Des matériaux sur mesure pour capter le CO₂ dans l’air : l’IA change la donne
Une équipe internationale de chercheurs impliquant l’équipe Chimie Organométallique et Catalyse de Polymérisation (COCP) de l’Institut de Recherche de Chimie Paris (CNRS / Chimie ParisTech – PSL) a mis au point une version enrichie d’une base de données mondiale sur les matériaux poreux. Objectif : identifier plus vite les meilleurs candidats pour capter le dioxyde de carbone, même à très faible concentration dans l’air. Une avancée technologique et environnementale majeure, publiée dans la revue Matter.
Des matériaux poreux prometteurs, mais trop nombreux pour être testés un à un. Les metal-organic frameworks (MOFs) sont des matériaux cristallins constitués de nœuds métalliques reliés par des molécules organiques. Leur structure ultra poreuse en fait d’excellents pièges à gaz, comme le dioxyde de carbone (CO₂). Depuis deux décennies, plus de 100 000 MOFs ont été synthétisés, mais peu ont été testés pour la captation du CO₂ à cause de la complexité des simulations.
L’IA pour explorer des milliers de structures en un clin d’œil. Pour franchir ce cap, les chercheurs ont combiné extraction automatisée de données, chimio-informatique et apprentissage automatique. Résultat : une version totalement repensée de la base de données CoRE MOF, qui regroupe désormais plus de 40 000 structures expérimentales filtrées et enrichies de propriétés prédictives. Grâce à des simulations avancées, l’équipe a identifié 34 MOFs plus performants que le matériau de référence actuel, même lorsque le CO₂ ne représente que 1 % du mélange gazeux.
Une plateforme ouverte pour créer les matériaux de demain. Au-delà de cette performance, les chercheurs ont mis à disposition une plateforme interactive, permettant à toute la communauté scientifique de tester ses propres structures et de prédire leurs propriétés. Cette approche ouvre la voie à la conception rationnelle de matériaux sur mesure, que ce soit pour la dépollution atmosphérique, la séparation de gaz ou d’autres applications critiques dans la transition énergétique.
Référence scientifique :
CoRE MOF DB: A curated experimental metal-organic framework database with machine-learned properties for integrated material-process screening
Guobin Zhao et al., Matter, 2025
DOI : 10.1016/j.matt.2025.102140
Contact scientifique :
François-Xavier Coudert
Directeur de Recherche CNRS à l’IRCP – Équipe COCP