Des ingénieurs de l'Université de Pennsylvanie ont découvert que les bulles dans les mousses quotidiennes changent constamment de position tout en maintenant la forme globale de la mousse, suivant des principes mathématiques similaires à ceux de l'apprentissage profond pour l'IA. Cela défie les vues traditionnelles des mousses comme vitreuses et suggère que des comportements d'apprentissage peuvent sous-tendre des systèmes divers des matériaux aux cellules. Les résultats, publiés dans Proceedings of the National Academy of Sciences, pourraient éclairer des matériaux adaptatifs et des structures biologiques.
Les mousses, présentes dans des produits comme l'écume de savon et la mayonnaise, étaient longtemps considérées comme imitant le verre, avec des bulles fixes en positions désordonnées. Cependant, de nouvelles simulations informatiques de chercheurs de l'Université de Pennsylvanie révèlent que les bulles dans les mousses humides errent persistamment à travers diverses configurations sans se stabiliser, même si la mousse conserve sa forme. Ce comportement dynamique reflète le processus d'apprentissage profond dans les systèmes d'intelligence artificielle. Dans l'entraînement de l'IA, les paramètres s'ajustent itérativement via des méthodes comme la descente de gradient, évitant des ajustements trop précis qui entravent la généralisation. Au lieu de cela, les systèmes explorent des régions plus larges de solutions viables. «Les mousses se réorganisent constamment», a noté John C. Crocker, professeur d'ingénierie chimique et biomoléculaire et co-auteur principal. «Il est frappant que les mousses et les systèmes d'IA modernes semblent suivre les mêmes principes mathématiques.» La physique traditionnelle modélisait les bulles de mousse comme des particules roulant vers des états d'énergie basse, comme des rochers dans une vallée. Pourtant, des données d'il y a près de deux décennies montraient des écarts. «Quand nous avons vraiment examiné les données, le comportement des mousses ne correspondait pas à ce que prédisait la théorie», a expliqué Crocker. L'équipe a appliqué des idées d'optimisation inspirées de l'IA, trouvant que les bulles s'attardent dans des paysages d'énergie plats avec de multiples configurations équivalentes. Co-auteur principal Robert Riggleman, également en ingénierie chimique et biomoléculaire, a souligné un parallèle : «L'idée clé était de réaliser que vous ne voulez pas vraiment pousser le système dans la vallée la plus profonde possible». Garder l'IA dans de telles zones plus plates permet de meilleures performances sur de nouvelles données, tout comme le mouvement continu de la mousse. L'étude rouvre des questions dans la recherche sur les mousses et s'étend aux systèmes vivants, comme le cytosquelette cellulaire, qui se réorganise tout en préservant la structure. «Pourquoi les mathématiques de l'apprentissage profond caractérisent précisément les mousses est une question fascinante», a dit Crocker. Soutenu par la National Science Foundation, le travail impliquait les co-auteurs Amruthesh Thirumalaiswamy et Clary Rodríguez-Cruz, avec tous les détails dans l'article PNAS de 2025 sur les mousses à maturation visqueuse.
