As descobertas do Google DeepMind revelam mais de 2 milhões de estruturas estáveis!

Através da utilização de inteligência artificial, uma equipe de pesquisadores do Google DeepMind descobriu com sucesso aproximadamente 2,2 milhões de estruturas cristalinas que são teoricamente estáveis ​​e ainda não tinham sido criadas experimentalmente. Esta descoberta supera o registo anterior de substâncias desta natureza, sendo o número total surpreendentemente 45 vezes superior aos anteriormente identificados ao longo da história da investigação científica, conforme documentado no seu estudo publicado na revista Nature.

Em entrevista ao ScienceDaily, Ekin Dogus Cubuk, um dos autores do estudo, enfatizou a importância da ciência dos materiais como ponte entre o conhecimento teórico e a realidade tangível. Ela sugeriu que praticamente todo avanço tecnológico poderia ser melhorado através da utilização de materiais avançados.

Os métodos utilizados pelos investigadores para descobrir substâncias servem como uma base inicial repleta de potencial de melhoria através da integração de informações históricas, recursos computacionais e capacidades avançadas de inteligência artificial que poderão surgir no futuro.

Na verdade, no passado, a identificação de novas configurações cristalinas baseava-se principalmente num processo dispendioso e iterativo conhecido como tentativa e erro. No entanto, os avanços na inteligência artificial abriram oportunidades para acelerar a descoberta de substâncias potencialmente benéficas através do emprego destas técnicas computacionais avançadas. Consequentemente, esta inovação permite uma exploração mais eficiente do espaço químico em comparação com os métodos empíricos tradicionais.

Os investigadores utilizaram técnicas de aprendizado de máquina para descobrir candidatos promissores, bem como avaliar sua estabilidade. Por exemplo, eles conseguiram descobrir 52.000 novos compostos estratificados que poderiam ser potencialmente usados ​​no projeto de novos supercondutores. Isto superou em muito as descobertas anteriores, onde apenas cerca de mil desses materiais eram conhecidos. Além disso, através da aplicação destes métodos avançados, foram identificados 528 materiais condutores de íons de lítio-um aumento surpreendente de 25 vezes em comparação com estudos anteriores. Esses materiais são uma grande promessa para melhorar a evolução e o desempenho geral das baterias recarregáveis.

A aquisição desta impressionante coleção de materiais pode ser atribuída a uma ferramenta de IA conhecida como GNoME (Graph Network for Material Exploration), que apresenta oportunidades promissoras para avanços em múltiplas disciplinas, desde energia renovável até microeletrônica. O GNoME opera como um modelo de rede neural utilizando dados de entrada apresentados na forma de representações gráficas, caracterizados por conexões semelhantes às encontradas entre os átomos. A característica única das redes neurais gráficas permite que elas se destaquem na descoberta de novos materiais cristalinos.

Uma publicação recente na estimada revista Nature relata os esforços pioneiros de uma equipe de pesquisadores afiliados à UC Berkeley e ao Laboratório Nacional Lawrence Berkeley. Utilizando os insights obtidos no trabalho inovador da equipe do Google Deep Mind, esses investigadores sintetizaram com sucesso 41 novos compostos de um conjunto de 58 candidatos potenciais, alcançando uma impressionante taxa de sucesso de 70%.

A pesquisa inovadora conduzida pela equipe da Deep Mind será agora compartilhada com a comunidade científica mais ampla por meio do The MaterialsProject. Esta iniciativa fornece acesso a um subconjunto das 381.000 estruturas recém-descobertas consideradas de maior potencial para aplicações práticas. Para compreender o significado destas descobertas, basta considerar que antes destas descobertas, o número total de materiais estáveis ​​conhecidos, abrangendo séculos e incluindo elementos anteriormente desconhecidos, ascendia a aproximadamente 48.000.

*️⃣ Link da fonte:

estudo publicado na Nature , Os métodos usados ​​pelos pesquisadores para descobrir materiais , Outra publicação na Nature , The Projeto de Materiais ,