A IA de material do Google DeepMind já descobriu 2,2 milhões de novos cristais

Pesquisadores do Google DeepMind e do Laboratório Nacional Lawrence Berkeley anunciaram hoje, em um avanço científico impressionante, que desenvolveram um novo sistema de IA chamado GNoME, que descobriu mais de 2 milhões de novos materiais que poderiam ser usados ​​para desenvolver tecnologias como baterias, painéis solares e chips de computador. .

A pesquisa foi publicada esta semana em dois artigos na revista científica Nature. Num estudo, os investigadores da DeepMind explicam como ampliaram as técnicas de aprendizagem profunda para permitir ao GNoME explorar possíveis estruturas materiais com uma eficiência sem precedentes.

Em 17 dias, o sistema de IA foi capaz de identificar 2,2 milhões de novas estruturas cristalinas inorgânicas potencialmente estáveis, mais de 700 das quais já foram validadas experimentalmente. Isto representa um aumento de quase 10x em relação aos cristais inorgânicos estáveis ​​anteriormente conhecidos.

O segundo artigo explica como as previsões do GNoME foram testadas usando sistemas robóticos autônomos no Berkeley Lab. Ao longo de 17 dias de experimentos automatizados contínuos, o sistema sintetizou com sucesso 41 dos 58 compostos previstos, uma taxa de sucesso excepcionalmente alta de 71%.

Base de dados pública pode acelerar a inovação

Os dados de materiais recém-descobertos foram disponibilizados publicamente através do banco de dados do Materials Project. Os pesquisadores serão capazes de examinar as estruturas para identificar materiais com propriedades desejadas para aplicações no mundo real.

Por exemplo, os pesquisadores identificaram 52.000 potenciais novos materiais em camadas 2D semelhantes ao grafeno, 25 vezes mais potenciais condutores sólidos de íons de lítio do que estudos anteriores e mais 15 compostos de óxido de lítio-manganês que poderiam substituir o óxido de lítio-cobalto em baterias.

Laboratório autônomo alcança alta taxa de sucesso

A chave para as capacidades do GNoME é o uso de redes neurais gráficas sofisticadas que podem prever com precisão a estabilidade das estruturas cristalinas propostas em uma fração de segundo. Isso permite filtrar com eficiência um enorme número de candidatos gerados por computador até os mais promissores.

Embora as técnicas anteriores de aprendizagem automática se esforçassem para estimar as energias e a estabilidade de potenciais novos materiais, as técnicas dos investigadores demonstram que, com dados e poder computacional suficientes, a aprendizagem profunda pode fornecer novos insights surpreendentes.

“A elevada taxa de sucesso demonstra a eficácia das plataformas orientadas pela inteligência artificial para a descoberta autónoma de materiais e motiva uma maior integração da computação, do conhecimento histórico e da robótica”, explicaram os investigadores no seu estudo.

Uma nova era na ciência dos materiais

Os estudos têm implicações tremendas para o futuro das descobertas científicas e para o uso da inteligência artificial na pesquisa em ciências dos materiais. Este tipo de abordagem baseada na IA poderia acelerar a criação de novos materiais para aplicações específicas, conduzindo potencialmente a uma inovação mais rápida e à redução de custos no desenvolvimento de produtos.

A utilização da IA ​​e da aprendizagem profunda também aponta para um futuro onde experiências laboratoriais manuais e demoradas poderão ser minimizadas ou mesmo completamente eliminadas, permitindo aos cientistas concentrarem-se mais na concepção e análise de compostos únicos.

O impacto destes desenvolvimentos é enorme, abrindo um novo capítulo na ciência dos materiais que poderá impulsionar a inovação em numerosos campos, desde a criação de sistemas de armazenamento de energia mais eficientes até ao desenvolvimento de equipamentos médicos avançados. À medida que a descoberta de materiais entra nesta nova era, a fusão da inteligência artificial, da aprendizagem profunda e da investigação científica continua a ultrapassar os limites do que é possível.