Des chercheurs de l’Université d’État de Caroline du Nord et d’Iowa State University ont développé DopeBot, un système expérimental piloté par intelligence artificielle capable d’explorer systématiquement la manière dont la dopage moléculaire modifie les propriétés électroniques des polymères conjugués. L’objectif est d’optimiser des matériaux polymères destinés à la bioélectronique et aux dispositifs hybrides organiques, où les matériaux doivent combiner conductivité, stabilité et compatibilité biologique. Le robot expérimental a réalisé plus de 200 essais de dopage sur le polymère semi-conducteur pBTTT avec l’agent F4TCNQ, en faisant varier des paramètres tels que le solvant et la température. L’algorithme a ensuite corrélé les structures moléculaires obtenues aux performances électroniques mesurées, avant de raffiner les expériences suivantes. Les analyses combinées, incluant des calculs quantiques menés à NC State, ont révélé que la position des dopants au sein de la matrice polymère et l’ordre local des chaînes jouent un rôle clé dans la conductivité obtenue. Ces résultats, publiés dans Matter, permettent de relier de manière causale les conditions de traitement à la structure électronique des polymères, ouvrant la voie à une ingénierie prédictive des matériaux organiques. L’équipe travaille déjà à la conception de nouveaux polymères destinés à des applications biomédicales et neurosensorielles, démontrant comment l’intelligence artificielle peut accélérer la découverte de matériaux polymères fonctionnels adaptés aux technologies émergentes de l’électronique douce.
https://phys.org/news/2025-10-ai-based-insights-polymers-generation.html