A DeepMind, empresa de inteligência artificial (IA) da Google, alcançou um avanço significativo ao prever a estrutura de mais de dois milhões de novos materiais. Esta descoberta, publicada na revista científica Nature na quarta-feira (29), poderá em breve contribuir para aprimorar tecnologias no mundo real.

Para quem tem pressa:

  • A DeepMind, subsidiária de IA da Google, conseguiu prever a estrutura de mais de dois milhões de novos materiais, um feito significativo publicado na revista Nature;
  • Quase 400 mil destes materiais teóricos têm chances de serem criados em laboratório, com aplicações em tecnologias como baterias de alto desempenho, painéis solares e chips de computador;
  • A IA foi treinada usando dados do Materials Project e a DeepMind planeja disponibilizar seus dados para a comunidade científica, visando impulsionar a pesquisa em materiais;
  • A indústria enfrenta desafios, como custos elevados e longos períodos de viabilização econômica para novos materiais, exemplificados pelas baterias de íon-lítio que levaram cerca de 20 anos para se tornarem viáveis comercialmente;
  • A DeepMind agora se concentra em prever a facilidade de síntese desses materiais em laboratório, com a esperança de que a IA possa reduzir significativamente o tempo de desenvolvimento de novos materiais.

Segundo o estudo, quase 400 mil desses materiais teóricos têm potencial para serem criados em laboratório. As aplicações práticas dessa pesquisa abrangem a fabricação de baterias de maior desempenho, painéis solares e chips de computador, conforme divulgado pela DeepMind.

publicidade

Leia mais:

IA e novos materiais

Montagem com tipos de materiais
(Imagem: Reprodução/DeepMind)

A IA da DeepMind foi treinada com dados do Materials Project, um grupo de pesquisa internacional fundado no Laboratório Nacional Lawrence Berkeley em 2011, que compilou pesquisas existentes sobre cerca de 50 mil materiais já conhecidos.

publicidade

A DeepMind planeja compartilhar seus dados com a comunidade científica, visando acelerar avanços na descoberta de materiais.

Kristin Persson, diretora do Materials Project, observou a tendência da indústria em evitar riscos relacionados a custos, especialmente no que se refere a novos materiais, que geralmente demoram para se tornarem economicamente viáveis. “Se conseguirmos reduzir esse prazo, mesmo que um pouco, será considerado um grande avanço”, afirmou.

publicidade

O processo de descoberta e síntese de novos materiais costuma ser caro e demorado. Um exemplo notável é o das baterias de íon-lítio, hoje essenciais em dispositivos como celulares, laptops e veículos elétricos. Elas levaram cerca de 20 anos para se tornarem comercialmente viáveis.

Ekin Dogus Cubuk, pesquisador da DeepMind, expressou otimismo sobre o impacto da IA na aceleração desse processo. “Esperamos que avanços significativos em experimentação, síntese autônoma e modelos de aprendizado de máquina possam reduzir o prazo de 10 a 20 anos para algo mais gerenciável”, disse ele.

publicidade

Após utilizar a IA para prever a estabilidade desses novos materiais, a DeepMind agora focará em prever a facilidade de sua síntese em laboratório.