Des chercheurs iraniens ont développé un modèle d’apprentissage automatique capable de prédire avec une précision inédite la viscosité des huiles perfluoropolyéthers (PFPE), des lubrifiants utilisés dans les environnements extrêmes de l’aéronautique, de l’électronique ou du spatial. Ces polymères fluorés, prisés pour leur stabilité thermique et chimique, sont essentiels au bon fonctionnement d’équipements soumis à de fortes contraintes.
Plutôt que de recourir à des mesures expérimentales longues et coûteuses, l’équipe a entraîné quatre modèles d’intelligence artificielle à partir de données de température, densité et longueur moyenne de chaîne polymère. Le modèle de régression par processus gaussiens (GPR) s’est distingué avec une précision quasi parfaite (R² = 0,999), surpassant largement les corrélations empiriques classiques comme celles de Vogel-Fulcher-Tamman.
Au-delà de la performance prédictive, le modèle a su reproduire les lois physiques gouvernant le comportement des PFPE : une viscosité qui augmente avec la densité et diminue avec la température. En réduisant la dépendance aux essais expérimentaux, cette approche ouvre la voie à une conception plus rapide et plus durable de lubrifiants haute performance, indispensables aux technologies de pointe.
Nature