p Um algoritmo de aprendizado de máquina que pode prever as composições de novos materiais que desafiam as tendências foi desenvolvido por químicos RIKEN1. Será útil para encontrar materiais para aplicações onde há uma troca entre duas ou mais propriedades desejáveis. p A inteligência artificial tem grande potencial para ajudar os cientistas a encontrar novos materiais com propriedades desejáveis. Um algoritmo de aprendizado de máquina que foi treinado com as composições e propriedades de materiais conhecidos pode prever as propriedades de materiais desconhecidos, economizando muito tempo no laboratório.

p Mas descobrir novos materiais para as aplicações pode ser complicado porque geralmente há uma compensação entre duas ou mais propriedades do material. Um exemplo são os materiais orgânicos para células solares orgânicas, onde se deseja maximizar a tensão e a corrente, observa Kei Terayama, que estava no RIKEN Center for Advanced Intelligence Project e agora está na Yokohama City University. "Há uma compensação entre voltagem e corrente:um material que exibe alta voltagem terá uma corrente baixa, enquanto que um com uma corrente alta terá uma voltagem baixa. "

p Os cientistas de materiais, portanto, frequentemente desejam encontrar materiais "fora da tendência" que resistam ao trade-off usual. Mas, infelizmente, os algoritmos de aprendizado de máquina convencionais se saem muito melhor em identificar tendências do que descobrir materiais que vão contra elas.

p Agora, Terayama e seus colegas desenvolveram um algoritmo de aprendizado de máquina, BLOX (BoundLess Objective free eXploration), que pode localizar materiais fora da tendência.

p A equipe demonstrou o poder do algoritmo usando-o para identificar oito moléculas fora da tendência com um alto grau de fotoatividade de um banco de dados de descoberta de drogas. As propriedades dessas moléculas exibiram boa concordância com as previstas pelo algoritmo. "Estávamos preocupados com a precisão do cálculo, mas ficamos muito satisfeitos em ver que o cálculo estava correto, "diz Terayama." Isso mostra o potencial do desenvolvimento de materiais baseados em computação. "

p O BLOX usa aprendizado de máquina para gerar um modelo de previsão para as principais propriedades do material. Ele faz isso combinando dados de materiais selecionados aleatoriamente de um banco de dados de materiais com resultados experimentais ou de cálculos. O BLOX então usa o modelo para prever as propriedades de um novo conjunto de materiais. A partir desses novos materiais, O BLOX identifica aquele que mais se desvia da distribuição geral. As propriedades desse material são determinadas por experimentos ou cálculos e, em seguida, usadas para atualizar o modelo de aprendizado de máquina, e o ciclo se repete.

p Mais importante, ao contrário de muitos algoritmos anteriores, O BLOX não impõe restrições à variedade de estruturas e composições de materiais que podem ser exploradas. Ele pode, portanto, ir muito longe em sua busca por materiais remotos.

p A equipe disponibilizou o BLOX gratuitamente online.