L’un des challenges de l’hydrométallurgie est de parvenir à trouver une molécule extractante à la fois sélective et efficace. Pour ce faire, il faut choisir parmi des milliers de possibilités, action impossible à réaliser par une méthode synthèse-test. A la place, de nombreuses études se basent sur des calculs quantiques pour évaluer l’efficacité d’un ligand à partir de la stabilité du complexe. Cependant, ces méthodes ne permettent pas de prendre en compte certains paramètres physico-chimiques essentiels à une extraction efficace tels que la solubilité.
Ce projet a donc pour objectif de développer un outil informatique basé sur l’IA capable de prédire la solubilité d’une molécule dans un solvant donné à partir de sa structure moléculaire. Dans un premier temps, l’étude se focalisera sur 3 solvants : l’eau, pour laquelle des outils pré-existants serviront de référence, l’acide nitrique 3 M pour être dans des conditions usuelles de l’industrie nucléaire, et l’octanol, solvant organique utilisé pour déterminer le coefficient de partage logP. Le projet se découpe en 4 jalons principaux :
1)Etude bibliographique d’outils similaires existants permettant de choisir les voies les plus prometteuses
2)Recherche de bases de données et complétion si nécessaire par des expériences de solubilité en laboratoire
3)Modification/création du code et entraînement du réseau de neurones sur les bases de données ainsi établies
4)Vérifications des prédictions sur des molécules non-incluses dans les bases de données par comparaison avec des mesures en laboratoire