Algoritmo descobre 18 novos materiais inditos no planeta

1548234083 file be0b03d8 Vision Art NEWS


Materiais Avanados

Redação do Site Inovação Tecnológica – 23/12/2021

Algoritmo descobre 18 novos materiais in

O objetivo da equipe chegar ao “genoma dos materiais”.
[Imagem: Northwestern University]

Materiais sempre novos

Os chamados “novos materiais” vm mudando o mundo h algumas dcadas, do armazenamento e gerao de energia computao quntica, da medicina s ligas e fibras aeroespaciais.

E o conceito est-se renovando: Muitos materiais que foram novos e revolucionrios h duas ou trs dcadas, agora j esto sendo superados – mas superados por “novos novos materiais”.

O mpeto da vez est nas nanopartculas. Mas, dada a vasta composio e caractersticas estruturais que a nanoqumica permite, descobrir novos materiais usando as tradicionais abordagens experimentais em srie impraticvel.

A resposta pode estar em usar o aprendizado de mquina para guiar a sntese de novos nanomateriais, defendem Carolin Wahl e seus colegas da Universidade Northwestern, nos EUA, e do Instituto de Pesquisas Toyota, no Japo.

Eles treinaram um algoritmo de inteligncia artificial para que ele vasculhasse um conjunto de dados e tentasse prever novas estruturas de materiais com propriedades definidas pela equipe para que eles pudessem ser teis nas indstrias de energia limpa, qumica e automotiva.

“Ns pedimos ao modelo que nos dissesse quais combinaes de at sete elementos formariam algo que no havia sido fabricado antes. A mquina previu 19 possibilidades e, aps testar cada uma delas experimentalmente, descobrimos que 18 das previses estavam corretas,” contou o professor Chad Mirkin, coordenador da pesquisa.

Genoma dos materiais

O que torna esse processo de “descoberta automatizada” interessante que ele parte de conjuntos de dados de uma magnitude sem precedentes, virtualmente inacessveis memria de qualquer pesquisador ou mesmo equipe de pesquisadores.

A equipe chama sua ferramenta de gerao de dados de “Megabiblioteca”. Cada Megabiblioteca contm milhes ou at bilhes de nanoestruturas, cada uma com uma forma, estrutura e composio ligeiramente diferentes, todas codificadas posicionalmente em um chip de dois centmetros quadrados.

Cada chip fabricado por uma tcnica chamada litografia de caneta de polmero, uma ferramenta de nanolitografia maciamente paralela que permite a deposio de centenas de milhares de molculas e materiais, incluindo polmeros, nanopartculas coloidais e precursores de sol-gel, ou ainda biomolculas, como protenas, oligonucleotdeos, partculas virais e bactrias. Nesta pesquisa, cada chip contm mais novos materiais inorgnicos do que jamais foram coletados e categorizados pelos cientistas.

Isso permite fazer o que a equipe chama de “genoma dos materiais”: A diferena com o genoma biolgico que, em vez de quatro bases, a tcnica permite analisar combinaes de nanopartculas de qualquer um dos 118 elementos utilizveis da Tabela Peridica, bem como parmetros de forma, tamanho, morfologia de fase, estrutura cristalina e muito mais.

“Mesmo que possamos fazer materiais mais rpido do que qualquer pessoa na Terra, isso ainda uma gota de gua no oceano de possibilidades,” disse Mirkin. “Queremos definir e minerar o genoma dos materiais, e a forma como estamos fazendo isso por meio da inteligncia artificial.”

Algoritmo descobre 18 novos materiais in

Uma megabiblioteca contm nanopartculas com diferentes composies e tamanhos, alm de parmetros como geometria e estrutura cristalina.
[Imagem: Chad A. Mirkin Group]

95% de sucesso

Neste primeiro teste mesclando experimento e simulao por inteligncia artificial, a equipe compilou dados estruturais da Megabiblioteca gerados anteriormente, consistindo em nanopartculas com composies, estruturas, tamanhos e morfologias complexas.

Eles usaram esses dados para treinar o modelo e pediram a ele para prever composies de quatro, cinco e seis elementos que resultariam em uma determinada caracterstica estrutural. Em 19 previses, o modelo de aprendizado de mquina previu novos materiais corretamente 18 vezes – uma taxa de preciso de aproximadamente 95%.

Com apenas um conhecimento bsico de qumica e fsica, e usando os dados de treinamento, o modelo foi capaz de prever com preciso estruturas complicadas que nunca existiram na Terra.

Para atender ao convnio com a Toyota, a equipe agora est usando a abordagem para encontrar catalisadores para processos de gerao de energia limpa, automotiva e qumica. A identificao de novos catalisadores verdes permitir a converso de produtos residuais e biomassa abundante em matria til, gerao de hidrognio, utilizao de dixido de carbono e desenvolvimento de clulas de combustvel. A produo de catalisadores tambm poder ser usada para substituir materiais caros e raros, como o irdio, o metal usado para gerar hidrognio verde e produtos de reduo de CO2.

Bibliografia:

Artigo: Machine learning-accelerated design and synthesis of polyelemental heterostructures
Autores: Carolin B. Wahl, Muratahan Aykol, Jordan H. Swisher, Joseph H. Montoya, Santosh K. Suram, Chad A. Mirkin
Revista: Science Advances
Vol.: 7, Issue 52
DOI: 10.1126/sciadv.abj5505

Seguir Site Inovação Tecnológica no Google Notícias

Outras notcias sobre:

Mais tópicos

Fonte: Acesse Aqui o Link da Matéria Original

1548234083 file be0b03d8 Vision Art NEWS

Deixe um comentário

Este site usa cookies para que você tenha a melhor experiência do usuário. Se continuar a navegar, dará o seu consentimento para a aceitação dos referidos cookies e da nossa política de cookies , clique no link para obter mais informações. CONFIRA AQUI

ACEITAR
Aviso de cookies
Translate »