Os engenheiros estão sempre em busca de materiais com propriedades muito específicas para seus projetos. Infelizmente, existem muitas opções para os pesquisadores simplesmente adivinharem e verificarem até encontrarem o que procuram. Mesmo se fossem para simular materiais, em vez de testá-los no laboratório, levaria muito tempo para encontrar um material adequado.

Felizmente, pesquisadores criaram algoritmos usando inteligência artificial que irão encontrar o material certo para qualquer projeto. Em um artigo publicado recentemente, uma equipe de pesquisadores da Carnegie Mellon University e da University of Calgary aprimorou um desses algoritmos, permitindo que os pesquisadores encontrem materiais com as propriedades desejadas com rapidez e precisão.

"Como o espaço de materiais é tão grande, é muito difícil caracterizar experimentalmente e computacionalmente as propriedades do material, "disse Amir Barati Farimani, professor assistente de engenharia mecânica na CMU. "Então, estamos criando algoritmos, ou modelos, que pode prever rapidamente as propriedades do material. "

Para usar inteligência artificial, ou AI, os pesquisadores devem primeiro treinar o algoritmo usando dados conhecidos. Então, o algoritmo aprende a extrapolar novas idéias a partir dessas informações. Barati Farimani e sua equipe treinaram o algoritmo com dados sobre a composição química dos materiais. Em particular, eles incluíram informações sobre o papel que os elétrons desempenham na determinação das propriedades dos materiais. Esses dados químicos criaram um novo descritor de material para o algoritmo, de acordo com Barati Farimani.

Uma vez que este algoritmo pode prever as propriedades de uma grande variedade de materiais, tem muitas aplicações. Por exemplo, o algoritmo pode encontrar um material com propriedades térmicas adequadas para painéis solares. Adicionalmente, poderia identificar materiais para a fabricação de drogas e baterias. Para usar este algoritmo, um pesquisador pode simplesmente fazer com que os modelos de aprendizagem profunda pré-treinados encontrem a propriedade que estão procurando.

A maneira como esses algoritmos são aprimorados está se tornando mais rápida e precisa. Se o algoritmo não for preciso o suficiente, os resultados ficarão inutilizáveis. Se o algoritmo for muito lento, os pesquisadores nunca poderão acessar os resultados. Atualmente, a equipe descobriu que seu algoritmo é melhor do que outros algoritmos principais.

"Você pode usar este algoritmo e treinar um modelo de aprendizado profundo e predizê-los em uma fração de segundo, "Barati Farimani disse." A essência é provar que ele está fazendo previsões para diferentes tipos de materiais com alta precisão - então, todos os setores podem usá-lo. "

Seu artigo foi publicado em Materiais de revisão física . O bolsista de pós-doutorado da CMU Mohammadreza Karamad, Ph.D. estudante Rishikesh Magar, e o pesquisador Yuting Shi também foram listados como co-autores. Outros autores incluem Samira Siahrostami e Ian D. Gates, da Universidade de Calgary.