Publié le 24 septembre 2025. Des chercheurs de Virginia Tech ont développé une intelligence artificielle capable d’optimiser les systèmes de refroidissement, en s’inspirant des stratégies complexes du jeu de Go, afin de répondre à la demande croissante en énergie et de prévenir la surchauffe des équipements électroniques.
- Une IA, entraînée grâce aux principes du jeu de Go, permet de prédire les méthodes de refroidissement par pulvérisation les plus efficaces.
- Cette technologie pourrait améliorer le fonctionnement des réseaux électriques, des centres de données, mais aussi la gestion thermique des moteurs et des ordinateurs.
- L’étude s’appuie sur l’analyse de données existantes concernant le comportement des gouttelettes d’eau lors de l’évaporation.
Pour relever le défi de la dissipation thermique, une équipe d’ingénieurs s’est tournée vers une source d’inspiration inattendue : le jeu de Go, un jeu de stratégie chinois vieux de plus de 2 500 ans. L’objectif ? Concevoir une intelligence artificielle capable d’optimiser les systèmes de refroidissement par pulvérisation, une technique cruciale pour maintenir les équipements électroniques à une température de fonctionnement sûre et efficace.
Le professeur agrégé Jiangtao Cheng, de Virginia Tech, à l’origine de cette recherche, est un passionné de Go depuis son adolescence. Il a été particulièrement frappé par les performances d’AlphaGo, l’IA de Google qui a défié et battu les meilleurs joueurs humains au monde à partir de 2014. AlphaGo, grâce à l’apprentissage automatique, a su affiner sa stratégie au fil des parties, démontrant une capacité d’adaptation et d’analyse impressionnante.
« Même si je perdais continuellement contre AlphaGo, cette expérience m’a donné l’idée d’appliquer les mêmes principes à la gestion thermique », explique le professeur Cheng, comme le révèle un communiqué de presse de Virginia Tech. « Le Go est un jeu de dynamiques interconnectées, tout comme un système de refroidissement par pulvérisation est un réseau de paramètres en interaction. Le succès, qu’il s’agisse de gagner la partie ou d’optimiser le système, nécessite une compréhension globale du réseau et une gestion minutieuse de ses interactions. »
L’équipe de recherche a publié ses conclusions dans un article paru dans la revue Artificial Intelligence Review. Leur travail se concentre sur l’analyse de l’efficacité du refroidissement par pulvérisation, une méthode qui repose sur l’évaporation de gouttelettes d’eau pour absorber la chaleur.
Lori, la première auteure de l’étude, précise :
« La façon dont l’eau change lorsqu’elle rencontre la chaleur est différente selon les gouttelettes. Elles captent la chaleur plus rapidement et l’emportent car elles bouillent et s’évaporent si rapidement. En raison de ce cycle d’exécution rapide, les gouttelettes permettent une approche beaucoup plus efficace du contrôle de la température. »
Les chercheurs se sont alors posé des questions cruciales : quelle est la taille de gouttelettes idéale pour une dissipation thermique optimale ? Quel type de buse de pulvérisation permet de produire ces gouttelettes ? Des alternatives à l’eau, comme des solvants, des lubrifiants ou des mélanges techniques, pourraient-elles être envisagées ?
S’inspirant d’AlphaGo, ils ont utilisé l’apprentissage automatique pour analyser les données issues de 25 études existantes sur le comportement des gouttelettes d’eau. Cette analyse a permis d’évaluer les propriétés fondamentales des liquides, leur formation en gouttelettes et leur capacité à absorber la chaleur.
« Même si l’IA gagne toujours sur la carte Go, je ne me suis jamais senti frustré, mais j’ai appris à tirer parti de l’IA pour relever les défis et les dilemmes de la vie réelle, comme la gestion thermique des composants électroniques à haute densité de puissance », conclut le professeur Cheng.
« En reliant la science des thermofluides à l’IA, nous n’améliorons pas seulement le refroidissement par pulvérisation. Nous redéfinissons en fait la façon dont nous comprenons et concevons les systèmes thermiques du futur. »
Pour aller plus loin
