p Quando os pesquisadores fazem uma nova descoberta, eles tendem a publicar apenas os resultados de seus experimentos bem-sucedidos. Mas tão informativos são todos os experimentos que não funcionaram - as tentativas fracassadas e hipóteses incorretas, que pode oferecer informações importantes. Uma equipe de químicos da EPFL desenvolveu uma metodologia para coletar essas lições e, crucialmente, compartilhando-os com outros pesquisadores. p Uma nova descoberta raramente é o resultado de um experimento bem-sucedido. Em vez, geralmente nasce de um longo processo de tentativa e erro - combinado com uma dose saudável de intuição que os cientistas aprimoraram ao longo dos anos. Mas compartilhar o conhecimento sobre as tentativas fracassadas pode tornar a pesquisa mais fácil para todos, especialmente no campo da síntese química. Isso é o que uma equipe de químicos do Laboratório de Simulação Molecular (LSMO) da EPFL mostrou recentemente em um artigo publicado na Nature Communications

p LSMO, baseado em Sion, é especializada em sintetizar e simular estruturas metal-orgânicas (MOFs) - um tipo especial de composto descoberto há cerca de 20 anos. MOFs consistem em íons metálicos ligados por moléculas orgânicas para formar cristais 3-D. Como suas moléculas podem ser combinadas em um número quase infinito de maneiras, Os MOFs oferecem oportunidades promissoras em uma ampla variedade de aplicações. Químicos da LSMO estão estudando MOFs que podem absorver CO2 a fim de desenvolver um sistema para remover este poderoso gás de efeito estufa da atmosfera.

p O problema é que o desenvolvimento de novos MOFs requer muito tempo e energia. Este tipo de síntese química envolve a otimização de muitas variáveis ​​diferentes - composição do solvente, temperatura, e tempo de reação, para citar apenas alguns. E quanto mais variáveis ​​existem, quanto maior o número de combinações possíveis; os pesquisadores podem facilmente encontrar-se com milhões de experimentos para realizar para chegar a apenas um MOF. O que mais, as ligações químicas e os processos de montagem subjacentes à formação de MOFs ainda não são totalmente compreendidos, o que significa que ainda não existem princípios básicos que os químicos possam seguir. Eles essencialmente têm que começar do zero a cada vez.

p 10 bilhões de dias

p "É aí que entra a intuição, "diz Berend Smit, chefe do LSMO. "Com a nossa pesquisa, queríamos aproveitar a tecnologia de aprendizado de máquina para desenvolver um método sistemático para quantificar as lições aprendidas com a experiência anterior. "

p Sua equipe tomou como exemplo um MOF bem conhecido dos cientistas:o HKUST-1. Sua estrutura cristalina pode variar dependendo de qual grupo químico é usado para sintetizá-lo. Para medir o quão extensivamente a intuição desempenha um papel na síntese do tipo certo de material, os químicos do LSMO primeiro usaram um método que não depende de intuição - um sintetizador robótico de alto desempenho. Seu sintetizador processou nada menos que nove variáveis ​​diferentes para fazer a engenharia reversa do processo e compilar todos os possíveis experimentos de síntese fracassados ​​para uma molécula de HKUST-1.

p "Nosso robô pode processar cerca de 30 reações químicas por dia. Mas mesmo com esse alto nível de rendimento, ainda levaria quase dez bilhões de dias para percorrer todas as combinações de reação possíveis. Portanto, os pesquisadores trabalhando em condições normais - isto é, sem um robô - claramente tem que confiar na intuição para descartar um vasto número de combinações possíveis e focar nas mais promissoras, "diz Kyriakos Stylianou, chefe de síntese química no LSMO.

p Em outras palavras, se eles percebem ou não, pesquisadores que realizam vários experimentos - bem-sucedidos ou não - têm uma ideia do que funcionará e do que não funcionará. Esse "pressentimento" diz a eles quais variáveis ​​podem ter a maior influência no resultado de uma reação química. Por exemplo, se um cientista descobrir que mudar a temperatura da reação altera os resultados de seu experimento, mesmo ligeiramente, então ele estará mais propenso a se concentrar na variável de temperatura.

p Convencer a comunidade científica

p O método de aprendizado de máquina desenvolvido pela LSMO permitiu aos químicos não apenas quantificar a intuição dos pesquisadores, mas também programar seu robô para realizar reações de síntese com mais eficiência. Isso é importante porque cerca de 1, 000 novos MOFs são desenvolvidos a cada ano, e por trás de cada um estão entre 10 e 100 tentativas malsucedidas. Esses erros contêm informações importantes e potencialmente úteis para pesquisas futuras por qualquer pessoa que trabalhe na mesma área. Graças ao método desenvolvido no LSMO, bem como a plataforma disponibilizada no programa NCCR MARVEL da Suíça, as lições aprendidas podem ser compiladas e compartilhadas.

p "Agora precisamos convencer os cientistas a se abrir e falar sobre seus experimentos malsucedidos. Se formos capazes de fazer isso, podemos mudar drasticamente a forma como a pesquisa química é realizada, "diz Smit.