Materiais Avançados

Inteligência artificial faz culinária científica de materiais tecnológicos

Inteligência artifical faz culinária científica de materiais tecnológicos
Esta figura mostra as temperaturas de aquecimento usadas para fazer compostos específicos, sobrepostos para formar histogramas cuja largura reflete o número de ocorrências. Os resultados são divididos em quatro categorias com base em quantos elementos são combinados com o oxigênio. [Imagem: Edward Kim et al. - 10.1038/s41524-017-0055-6]

Receitas científicas

Uma colaboração de várias universidades norte-americanas desenvolveu um simulador computacional que usa técnicas de inteligência artificial para ajudar a identificar métodos de fabricação de materiais, especialmente materiais que se mostraram promissores em experimentos.

Ou seja, ante uma afirmação do tipo "O material X é promissor para a aplicação Y", o simulador responde à pergunta "Qual é a melhor forma de fabricá-lo?"

Edward Kim e seus colegas trabalharam inicialmente com compostos identificados como promissores para aplicações em armazenamento de energia, catálise, termoeletricidade e armazenamento de hidrogênio, entre outras possíveis aplicações.

Na demonstração, o sistema analisou meio milhão de artigos científicos e identificou aqueles que continham receitas para sintetizar vários óxidos metálicos. A seguir, o programa varreu cada um dos artigos alvo, gerando um conjunto de dados que lista os parâmetros usados em cada caso - coisas como temperatura da síntese e tempos em fornos ou em sistemas de deposição de vapor químico, por exemplo.

O programa então fez seu trabalho mais interessante: Ele analisou o conjunto de dados em busca de padrões que destacassem parâmetros críticos para a síntese do composto que estava sendo procurado.

Inventando receitas novas

O resultado esperado foi uma coleção de receitas com ingredientes e tempos de cozimento testados pelos chefs de centenas de laboratórios ao redor do mundo.

Mas o melhor estava por vir. Na verdade, surgiu a cereja do bolo que os pesquisadores esperavam obter: O programa gerou valores para quantidades de ingredientes e condições de preparo que são realistas, mas não apareceram em nenhum dos artigos pesquisados.

Ou seja, sem qualquer orientação, o programa aproveitou o banco de dados para criar uma nova receita que pode ser testada em laboratório.

A equipe agora está trabalhando para melhorar a precisão do sistema e refinar a interface de usuário, de modo que os especialistas possam interpretar facilmente os resultados, interagir com o sistema e selecionar direções para pesquisas adicionais.

"Temos uma nova abordagem, mas ainda não a usamos para criar algo novo com base em um método extraído das receitas. Esse será o próximo passo," disse a professora Elsa Olivetti, do MIT.

Bibliografia:

Virtual screening of inorganic materials synthesis parameters with deep learning
Edward Kim, Kevin Huang, Stefanie Jegelka, Elsa Olivetti
Computational Materials
Vol.: 3, Article number: 53
DOI: 10.1038/s41524-017-0055-6

Materials synthesis insights from scientific literature via text extraction and machine learning
Edward Kim, Kevin Huang, Adam Saunders, Andrew McCallum, Gerbrand Ceder, Elsa Olivetti
Chemistry of Materials
Vol.: 29 (21), pp 9436-9444
DOI: 10.1021/acs.chemmater.7b03500




Outras notícias sobre:

Mais Temas