Materiais Avançados

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