Comment les réseaux de neurones percent en physique et en biologie

Si vous avez suivi l'actualité de l'IA ces dernières années, vous êtes probablement fatigué des chatbots sans fin et des générateurs d'images. Il semble que toute l'industrie soit bloquée à essayer de rédiger une очередной plugin de CV ou un bot de support client. Mais en même temps, quelque chose de complètement différent se passe dans le milieu académique. Les réseaux de neurones ont commencé à s'attaquer sérieusement à des problèmes fondamentaux sur lesquels les scientifiques travaillent depuis des décennies : prédire la structure de protéines complexes, découvrir de nouveaux cristaux stables, et même vérifier des hypothèses mathématiques.

Récemment, je suis tombé sur le dépôt awesome-ai-for-science de l'équipe ai4s-research. C'est une carte massive de la façon dont l'apprentissage automatique transforme en ce moment la physique, la biologie moléculaire, la climatologie et la science des matériaux.

Pourquoi les développeurs devraient se tourner vers la science

Les logiciels scientifiques sont généralement associés à d'anciennes bibliothèques Fortran, des paquages propriétaires coûtant des milliers de dollars, et du code douloureux à lire. Pendant longtemps, les ingénieurs en ML et les chercheurs classiques vivaient dans des mondes parallèles. Les premiers exécutaient des transformers sur des téraoctets de texte internet, tandis que les seconds résolvaient des équations différentielles sur des clusters.

Maintenant, ces mondes ont convergé. Le dépôt démontre clairement ce changement. Ce ne sont pas seulement des liens vers des articles de Nature ou arXiv—ce sont des bibliothèques open source fonctionnelles, des ensembles de données, et des protocoles d'agents prêts à l'emploi. Si vous savez écrire en Python, bidouiller avec PyTorch, ou configurer des pipelines de données, vous pouvez prendre un outil prêt à l'emploi et l'appliquer à de vrais calculs physiques.

Ce qu'on y trouve : du parsing de formules aux agents autonomes

Le catalogue est divisé en plusieurs domaines majeurs. Les couvrir tous est impossible, donc j'ai mis en évidence les choses qui ont le plus retenu mon attention.

1. Laboratoires autonomes et agents de recherche

Peut-être la section la plus chaude du catalogue est dédiée aux systèmes qui tentent d'automatiser l'ensemble du cycle de recherche.

Cela inclut des projets bien connus comme The AI Scientist de Sakana AI et les expériences récentes d'Andrey Karpathy avec autoresearch. La logique de ces systèmes est simple : un agent reçoit une idée de base, génère du code d'expérience, l'exécute sur GPU, évalue les métriques, apporte des modifications au code, et rédige un brouillon de rapport en LaTeX.

Bien sûr, nous sommes encore loin de remplacer complètement un doctorant vivant—les agents ont souvent des hallucinations et restent bloqués dans des optima locaux. Mais pour des balayages routiniers d'architecture de modèle ou de tuning d'hyperparamètres, ça fonctionne aujourd'hui.

2. Extraire des connaissances des PDF scientifiques

Quiconque a essayé de nourrir des articles scientifiques dans des pipelines RAG standards connaît cette douleur. Les mises en page à deux colonnes se désintègrent, les tableaux deviennent un désordre, et les formules mathématiques perdent leurs indices.

Le catalogue propose des parseurs spécialisés :

• MinerU et Docling parsent les PDF complexes tout en préservant la structure des titres, les tableaux et les maths au format LaTeX.
• Nougat de Meta AI utilise un transformateur de vision spécifiquement pour les publications académiques.
• PaperQA2 implémente une recherche stricte avec des citations croisées pour empêcher le modèle de langage d'inventer des sources inexistantes.

3. Apprentissage guidé par la physique (SciML)

Un réseau de neurones classique se moque de la conservation de l'énergie ou de la masse. Il cherche simplement des corrélations dans les données d'entraînement. Pour cette raison, les modèles standards produisent souvent des résultats physiquement impossibles lors de l'extrapolation au-delà de la distribution d'entraînement.

La section Apprentissage automatique scientifique propose des outils d'un autre type :

• DeepXDE et NeuralPDE.jl implémentent les PINN (Physics-Informed Neural Networks), où les équations aux dérivées partielles sont intégrées directement dans la fonction de perte du réseau.
• PySR effectue une régression symbolique, en ajustant des formules lisibles par l'homme à des données tabulaires par des algorithmes génétiques.
• Diffrax et torchdiffeq permettent d'intégrer des équations différentielles dans le graphe de calcul de PyTorch et JAX.

4. Bioinformatique et conception de molécules

Ce domaine est celui qui se développe le plus rapidement. Après le succès de la gamme AlphaFold, des dizaines d'alternatives open source sont apparues :

• Boltz-2 prédit les complexes tridimensionnels de protéines avec de petites molécules et calcule l'énergie de liaison en secondes au lieu d'heures de dynamique moléculaire.
• ProteinMPNN résout le problème inverse : vous spécifiez la géométrie souhaitée d'une chaîne protéique, et le modèle génère une séquence d'acides aminés qui se repliera sous cette forme.
• Evo 2 de l'Arc Institute traite des séquences génomiques jusqu'à un million de nucleotides de long, en trouvant des éléments régulateurs dans l'ADN.

Comment le dépôt est structuré techniquement

C'est une liste curatée classique au format Markdown, mais exécutée de manière exemplaire. Les créateurs ne se sont pas moqués d'eux—ils ont traduit la table des matières en neuf langues et ont fourni de brèves descriptions pour presque chaque lien, incluant la licence, l'année de publication et les métriques clés.

Mention spéciale pour la structure : le dépôt est divisé à la fois par domaines (chimie, astronomie, climat, sociologie) et par couches de pile (cadres de base, benchmarks, capacités d'agents et interfaces).

Au-delà des outils Python, il y a une collection substantielle de projets Julia (l'écosystème SciML) et de Lean 4 (pour formaliser les preuves mathématiques comme LeanDojo et Goedel-Prover).

Scénarios pratiques pour les ingénieurs

Pourquoi un développeur ordinaire ou un data scientist devrait cloner ces dépôts :

1. Améliorer votre RAG d'entreprise. Les outils de parsing de documents scientifiques comme MinerU ou Marker gèrent les rapports techniques et les tableaux complexes un ordre de grandeur mieux que les bibliothèques PDF standards.
2. Accélérer les simulations lourdes. Si votre produit est limité par la dynamique des fluides computationnelle, le transfert de chaleur ou l'analyse structurelle, les modèles de substitution basés sur le Fourier Neural Operator (FNO) peuvent fournir des accélérations de centaines de fois par rapport aux solveurs traditionnels basés sur des maillages.
3. Essayer les pipelines multi-agents. Des projets comme AutoR ou Agent Laboratory montrent des modèles fonctionnels pour lier plusieurs LLMs : un agent écrit du code, un autre exécute des tests dans un conteneur Docker isolé, et un troisième valide le résultat.

Awesome AI for Science est un excellent point d'entrée dans un domaine où l'apprentissage automatique apporte une valeur pratique mesurable plutôt que de simplement résumer du texte.

Si vous cherchez un sujet de projet personnel, que vous rédigez une thèse, ou que vous souhaitez passer du développement web familier à la bioinformatique ou aux méthodes numériques, ajoutez ce dépôt en favori. Commencez par la section des outils de documentation ou essayez d'exécuter une simulation physique simple via PySR—cela élargit considérablement votre perspective d'ingénieur.