Cientistas da Rússia relataram uma maneira de melhorar os algoritmos de previsão da estrutura cristalina, tornando a descoberta de novos compostos várias vezes mais rápida. Os resultados do estudo foram publicados em Comunicações de Física da Computação .

Dada a necessidade cada vez maior de novas tecnologias, os químicos procuram materiais de alto desempenho com melhor resistência, peso, estabilidade e outras propriedades. A busca por novos materiais é uma tarefa desafiadora, e se realizado experimentalmente, leva muito tempo e dinheiro, pois muitas vezes requer a tentativa de um grande número de compostos em diferentes condições. Os computadores podem ajudar nisso, mas requerem bons algoritmos.

Em 2005, Artem R. Oganov, agora professor da Skoltech e do Instituto de Física e Tecnologia de Moscou (MIPT), desenvolveu o algoritmo de previsão de estrutura cristalina evolucionária USPEX, talvez o algoritmo de maior sucesso na área, agora usado por vários milhares de cientistas em todo o mundo. A USPEX só precisa saber de quais átomos o cristal é feito. Em seguida, ele gera um pequeno número de estruturas aleatórias cuja estabilidade é avaliada com base na energia de interação entre os átomos. Próximo, um mecanismo evolutivo é responsável pela seleção natural, crossover e mutações das estruturas e seus descendentes, resultando em compostos particularmente estáveis.

Em seu estudo recente, cientistas da Skoltech, MIPT e Samara State Technical University, liderado por Artem R. Oganov, melhorou o primeiro passo da USPEX, que gera estruturas iniciais. Mostrar que a geração puramente aleatória não é muito eficaz, os pesquisadores buscaram inspiração na natureza e desenvolveram um gerador de estrutura aleatória baseado em um banco de dados dos tipos topológicos de estruturas cristalinas, amalgamando abordagens evolutivas desenvolvidas por Oganov e abordagens topológicas desenvolvidas pelo Professor Vladislav Blatov de Samara. Sabendo que quase todos os 200, 000 estruturas cristalinas inorgânicas conhecidas até agora pertencem a 3, 000 tipos topológicos, pode-se gerar muito rapidamente uma série de estruturas semelhantes à estrutura procurada. Os testes mostraram que, graças ao novo gerador, a pesquisa evolutiva lida com as tarefas de previsão 3 vezes mais rápido em comparação com sua versão anterior.

"Os 3, 000 tipos topológicos são o resultado da abstração aplicada a estruturas reais. Indo ao contrário, você pode gerar quase todas as estruturas conhecidas e um número infinito de estruturas desconhecidas, mas razoáveis ​​a partir desses 3, 000 tipos. Este é um excelente ponto de partida para um mecanismo evolucionário. Desde o início, você provavelmente experimenta uma área próxima à solução ideal. Você obtém a solução ideal logo no início, ou chegar a algum lugar perto dele e, em seguida, obtê-lo por meio de melhorias evolutivas, "explica Pavel Bushlanov, o primeiro autor do estudo e pesquisador do laboratório de Oganov em Skoltech.