p Algoritmos de aprendizado de máquina podem prever as flutuações do mercado de ações, controlar processos de manufatura complexos, permitem a navegação para robôs e veículos sem motorista, e muito mais. p Agora, pesquisadores da NYU Tandon School of Engineering estão explorando um novo conjunto de capacidades neste campo da inteligência artificial, combinando redes neurais artificiais com imagens térmicas infravermelhas para controlar e interpretar reações químicas com precisão e velocidade que ultrapassam em muito os métodos convencionais. Mais inovador ainda é o fato de que essa técnica foi desenvolvida e testada em novos microrreatores que permitem que descobertas químicas ocorram rapidamente e com muito menos desperdício ambiental do que as reações padrão em larga escala.

p "Este sistema pode reduzir o processo de tomada de decisão sobre determinados processos de fabricação de produtos químicos de um ano para semanas, economizando toneladas de resíduos químicos e energia no processo, "disse Ryan Hartman, professor assistente de engenharia química e biomolecular na NYU Tandon e autor principal de um artigo que detalha o método na revista Computadores e Engenharia Química .

p Ano passado, Hartman introduziu uma nova classe de reatores químicos miniaturizados que trazem reações tradicionalmente realizadas em reatores de lote grande com até 100 litros de produtos químicos em microescala, usando apenas microlitros de fluido - algumas pequenas gotas. Esses reatores microfluídicos são úteis para analisar catalisadores para a fabricação ou descoberta de compostos e estudar as interações no desenvolvimento de drogas, e eles prometem reduzir o desperdício, inovação de velocidade, e melhorar a segurança da pesquisa química.

p Hartman e sua equipe aumentaram a utilidade desses reatores combinando-os com duas tecnologias adicionais:termografia infravermelha, uma técnica de imagem que captura um mapa térmico exibindo mudanças no calor durante uma reação química, e aprendizado de máquina supervisionado, uma disciplina de inteligência artificial em que um algoritmo aprende a interpretar dados com base em entradas selecionadas por pesquisadores que controlam os experimentos.

p Emparelhados, eles permitem que os pesquisadores capturem as mudanças na energia térmica durante as reações químicas - conforme indicado pelas mudanças de cor na imagem térmica - e interpretem essas mudanças rapidamente. Devido à natureza sem contato da termografia infravermelha, a técnica pode até ser utilizada para reações que operam em temperaturas extremas ou em condições extremas, como um biorreator que requer um campo estéril.

p A equipe de pesquisa é a primeira a treinar uma rede neural artificial para controlar e interpretar imagens térmicas infravermelhas de um dispositivo microfluídico termeletricamente resfriado. Os impactos potenciais sobre a inovação e a sustentabilidade são significativos. Grandes empresas químicas podem selecionar centenas de catalisadores durante o desenvolvimento de novos polímeros, por exemplo, e cada reação pode exigir mais de 100 litros de produtos químicos e 24 horas ou mais. A triagem desse número de catalisadores usando os processos laboratoriais atuais pode levar um ano. Usando a abordagem de Hartman, todo o processo pode ser realizado em semanas, com exponencialmente menos desperdício e uso de energia. Hartman estima que um único capô industrial usado para controlar a fumaça durante os testes químicos em grande escala usa tanta energia por ano quanto uma casa média nos Estados Unidos.