Catalyse : explorer un espace de conception immense

Un programme de 10 millions de dollars singapouriens porté par l’Agency for Science, Technology and Research (A*STAR) et l’Imperial College London développera un modèle de fondation consacré aux surfaces — le Surface Science Foundation Model — ainsi qu’une plateforme cloud.

Ces outils doivent prédire les propriétés des catalyseurs et les conditions nécessaires à leur synthèse, pour des applications allant des carburants plus propres aux matières premières issues du CO₂ et aux produits chimiques d’origine biologique. La description principale du programme vise une accélération de 500 fois du criblage informatique. Les affirmations évoquant des procédés « près de cinq fois plus rapides et moins coûteux » doivent donc être interprétées avec prudence, sauf si elles renvoient à un autre indicateur de développement en aval.

Des logiciels générés par l’IA, mais vérifiables

La NUS et Imperial développent également des outils capables d’analyser, de tester, de vérifier formellement et de démontrer automatiquement la correction de logiciels. Pour le code mal documenté, ces outils pourront s’appuyer sur des méthodes de raisonnement moins formelles afin d’en interpréter le fonctionnement.

Les chercheurs les évalueront sur des logiciels à forts enjeux, notamment des protocoles réseau et des composants du noyau Linux. À terme, l’objectif est de permettre à des agents d’IA d’auditer le code produit par d’autres systèmes d’IA — avec une exigence de fiabilité qui dépasse la simple génération de programmes.

Biologie et santé : réunir des données auparavant séparées

La NUS et A*STAR prévoient de développer MultiOmicsFM, un modèle de fondation capable d’interpréter conjointement l’ADN, l’ARN et les données relatives à l’activité des gènes. Le projet s’appuiera sur des jeux de données multiethniques de Singapour pour soutenir la recherche sur les risques de maladie et l’optimisation de thérapies à ARN messager.

Le projet BloodCounts! suit une autre piste : entraîner le modèle DeepCBC sur l’ensemble des paramètres bruts d’une numération formule sanguine — aussi appelée complete blood count ou full blood count — ainsi que sur des images de frottis sanguins. L’idée est d’extraire davantage d’informations diagnostiques d’un examen courant et d’aider à prévoir le risque de pathologies telles que l’accident vasculaire cérébral ou certains cancers.

Agriculture et climat : des jumeaux numériques pour les cultures

La NUS et le programme ARCS de l’Université de l’Illinois construiront des jumeaux numériques agricoles guidés par les connaissances scientifiques. Ces représentations virtuelles de parcelles d’Asie du Sud-Est combineront des données observées avec des principes issus de la science des cultures.

Les résultats attendus sont des prévisions interprétables et des outils d’aide à la décision pour les périodes de plantation, l’utilisation des ressources et les chaînes d’approvisionnement. Le projet ne vise donc pas uniquement des prédictions opaques, difficiles à relier aux réalités du terrain.

Un portefeuille qui dépasse un seul secteur

Les huit projets comprennent aussi des interfaces conçues par l’IA pour améliorer le transport de l’énergie. L’ensemble couvre ainsi les matériaux, l’informatique, les sciences de la vie, l’énergie et l’agriculture, plutôt que de limiter AI4S à une seule industrie.

La stratégie de Singapour

• Accélérer le passage à l’application. L’IA peut proposer des matériaux, des molécules, des expériences ou du code prometteurs. Les laboratoires automatisés, le criblage à haut débit, les mesures expérimentales et la vérification formelle doivent ensuite fournir les éléments nécessaires pour déterminer ce qui est fabriquable, sûr et réellement utile. Le Materials Data Foundry est l’exemple le plus abouti de cette boucle fermée.
• Former des chercheurs « bilingues ». AI4S veut faire émerger des scientifiques capables de travailler à la fois avec l’IA et avec des domaines comme la science des matériaux, les sciences de la vie ou la science quantique. Cette double compétence doit permettre d’intégrer dès le départ les bonnes questions scientifiques, la qualité des données et les contraintes expérimentales aux modèles.
• Renforcer la position internationale du pays. Le programme s’appuie sur les financements de la National Research Foundation, les collaborations internationales du campus CREATE, des infrastructures numériques et expérimentales partagées, des outils ouverts et des partenaires industriels. Les deux programmes associés à Imperial, par exemple, sont hébergés par Imperial Global Singapore au sein de CREATE et conçus pour être accessibles à des chercheurs du monde entier.

Le test décisif sera donc la capacité de ces projets à produire des résultats validés et déployables : des protocoles de fabrication reproductibles, des catalyseurs performants, des éléments probants pour l’aide à la décision médicale et des logiciels fiables. L’enjeu n’est pas simplement de faire tourner les modèles plus vite, mais de vérifier qu’ils accélèrent effectivement la science jusqu’à des technologies utilisables.

Catalyse : explorer un espace de conception immense

Un programme de 10 millions de dollars singapouriens porté par l’Agency for Science, Technology and Research (A*STAR) et l’Imperial College London développera un modèle de fondation consacré aux surfaces — le Surface Science Foundation Model — ainsi qu’une plateforme cloud.

Ces outils doivent prédire les propriétés des catalyseurs et les conditions nécessaires à leur synthèse, pour des applications allant des carburants plus propres aux matières premières issues du CO₂ et aux produits chimiques d’origine biologique. La description principale du programme vise une accélération de 500 fois du criblage informatique. Les affirmations évoquant des procédés « près de cinq fois plus rapides et moins coûteux » doivent donc être interprétées avec prudence, sauf si elles renvoient à un autre indicateur de développement en aval.

Des logiciels générés par l’IA, mais vérifiables

La NUS et Imperial développent également des outils capables d’analyser, de tester, de vérifier formellement et de démontrer automatiquement la correction de logiciels. Pour le code mal documenté, ces outils pourront s’appuyer sur des méthodes de raisonnement moins formelles afin d’en interpréter le fonctionnement.

Les chercheurs les évalueront sur des logiciels à forts enjeux, notamment des protocoles réseau et des composants du noyau Linux. À terme, l’objectif est de permettre à des agents d’IA d’auditer le code produit par d’autres systèmes d’IA — avec une exigence de fiabilité qui dépasse la simple génération de programmes.

Biologie et santé : réunir des données auparavant séparées

La NUS et A*STAR prévoient de développer MultiOmicsFM, un modèle de fondation capable d’interpréter conjointement l’ADN, l’ARN et les données relatives à l’activité des gènes. Le projet s’appuiera sur des jeux de données multiethniques de Singapour pour soutenir la recherche sur les risques de maladie et l’optimisation de thérapies à ARN messager.

Le projet BloodCounts! suit une autre piste : entraîner le modèle DeepCBC sur l’ensemble des paramètres bruts d’une numération formule sanguine — aussi appelée complete blood count ou full blood count — ainsi que sur des images de frottis sanguins. L’idée est d’extraire davantage d’informations diagnostiques d’un examen courant et d’aider à prévoir le risque de pathologies telles que l’accident vasculaire cérébral ou certains cancers.

Agriculture et climat : des jumeaux numériques pour les cultures

La NUS et le programme ARCS de l’Université de l’Illinois construiront des jumeaux numériques agricoles guidés par les connaissances scientifiques. Ces représentations virtuelles de parcelles d’Asie du Sud-Est combineront des données observées avec des principes issus de la science des cultures.

Les résultats attendus sont des prévisions interprétables et des outils d’aide à la décision pour les périodes de plantation, l’utilisation des ressources et les chaînes d’approvisionnement. Le projet ne vise donc pas uniquement des prédictions opaques, difficiles à relier aux réalités du terrain.

Un portefeuille qui dépasse un seul secteur

Les huit projets comprennent aussi des interfaces conçues par l’IA pour améliorer le transport de l’énergie. L’ensemble couvre ainsi les matériaux, l’informatique, les sciences de la vie, l’énergie et l’agriculture, plutôt que de limiter AI4S à une seule industrie.

La stratégie de Singapour

• Accélérer le passage à l’application. L’IA peut proposer des matériaux, des molécules, des expériences ou du code prometteurs. Les laboratoires automatisés, le criblage à haut débit, les mesures expérimentales et la vérification formelle doivent ensuite fournir les éléments nécessaires pour déterminer ce qui est fabriquable, sûr et réellement utile. Le Materials Data Foundry est l’exemple le plus abouti de cette boucle fermée.
• Former des chercheurs « bilingues ». AI4S veut faire émerger des scientifiques capables de travailler à la fois avec l’IA et avec des domaines comme la science des matériaux, les sciences de la vie ou la science quantique. Cette double compétence doit permettre d’intégrer dès le départ les bonnes questions scientifiques, la qualité des données et les contraintes expérimentales aux modèles.
• Renforcer la position internationale du pays. Le programme s’appuie sur les financements de la National Research Foundation, les collaborations internationales du campus CREATE, des infrastructures numériques et expérimentales partagées, des outils ouverts et des partenaires industriels. Les deux programmes associés à Imperial, par exemple, sont hébergés par Imperial Global Singapore au sein de CREATE et conçus pour être accessibles à des chercheurs du monde entier.

Le test décisif sera donc la capacité de ces projets à produire des résultats validés et déployables : des protocoles de fabrication reproductibles, des catalyseurs performants, des éléments probants pour l’aide à la décision médicale et des logiciels fiables. L’enjeu n’est pas simplement de faire tourner les modèles plus vite, mais de vérifier qu’ils accélèrent effectivement la science jusqu’à des technologies utilisables.