As novas tecnologias exigem frequentemente novos materiais – e com os supercomputadores e as simulações, os investigadores não têm de passar por suposições ineficientes para inventá-los do zero.



O Projeto de Materiais, um banco de dados de acesso aberto fundado no Laboratório Nacional Lawrence Berkeley do Departamento de Energia (Berkeley Lab) em 2011, calcula as propriedades de materiais conhecidos e previstos. Os investigadores podem concentrar-se em materiais promissores para tecnologias futuras – pense em ligas mais leves que melhorem a economia de combustível nos automóveis, células solares mais eficientes para impulsionar a energia renovável ou transístores mais rápidos para a próxima geração de computadores.

Agora, o Google DeepMind – o laboratório de inteligência artificial do Google – está contribuindo com quase 400 mil novos compostos para o Projeto de Materiais, expandindo a quantidade de informações que os pesquisadores podem utilizar. O conjunto de dados inclui como os átomos de um material estão organizados (a estrutura cristalina) e quão estável ele é (energia de formação).

“Temos que criar novos materiais se quisermos enfrentar os desafios ambientais e climáticos globais”, disse Kristin Persson, fundadora e diretora do Projeto de Materiais do Berkeley Lab e professora da UC Berkeley. “Com a inovação nos materiais, podemos potencialmente desenvolver plásticos recicláveis, aproveitar a energia residual, fabricar baterias melhores e construir painéis solares mais baratos e que durem mais, entre muitas outras coisas.”

Para gerar os novos dados, o Google DeepMind desenvolveu uma ferramenta de aprendizagem profunda chamada Graph Networks for Materials Exploration, ou GNoME. Os pesquisadores treinaram o GNoME usando fluxos de trabalho e dados que foram desenvolvidos ao longo de uma década pelo Materials Project e melhoraram o algoritmo do GNoME por meio de aprendizado ativo.

Os pesquisadores do GNoME produziram 2,2 milhões de estruturas cristalinas, incluindo 380.000 que estão adicionando ao Projeto de Materiais e preveem que sejam estáveis, tornando-as potencialmente úteis em tecnologias futuras. Os novos resultados do Google DeepMind são publicados na revista Nature .

Alguns dos cálculos do GNoME foram usados ​​juntamente com dados do Materials Project para testar o A-Lab, uma instalação do Berkeley Lab onde a inteligência artificial orienta robôs na fabricação de novos materiais. O primeiro artigo do A-Lab, também publicado na Nature , mostrou que o laboratório autônomo pode descobrir rapidamente novos materiais com o mínimo de intervenção humana.

Ao longo de 17 dias de operação independente, o A-Lab produziu com sucesso 41 novos compostos de um total de 58 tentativas – uma taxa de mais de dois novos materiais por dia. Para efeito de comparação, um pesquisador humano pode levar meses de suposições e experimentações para criar um novo material, se é que algum dia chegará ao material desejado.

Para produzir os novos compostos previstos pelo Projeto de Materiais, a IA do A-Lab criou novas receitas vasculhando artigos científicos e usando aprendizado ativo para fazer ajustes. Dados do Materials Project e GNoME foram utilizados para avaliar a estabilidade prevista dos materiais.

“Tivemos esta impressionante taxa de sucesso de 71% e já temos algumas maneiras de melhorá-la”, disse Gerd Ceder, investigador principal do A-Lab e cientista do Berkeley Lab e da UC Berkeley. "Mostramos que combinar a teoria e o lado dos dados com a automação tem resultados incríveis. Podemos fabricar e testar materiais mais rápido do que nunca, e adicionar mais pontos de dados ao Projeto de Materiais significa que podemos fazer escolhas ainda mais inteligentes."

O Materials Project é o repositório de acesso aberto de informações sobre materiais inorgânicos mais amplamente utilizado no mundo. O banco de dados contém milhões de propriedades em centenas de milhares de estruturas e moléculas, informações processadas principalmente no Centro Nacional de Computação Científica de Pesquisa Energética do Berkeley Lab.

Mais de 400 mil pessoas estão cadastradas como usuárias do site e, em média, são publicados mais de quatro artigos citando o Projeto Materiais todos os dias. A contribuição do Google DeepMind é a maior adição de dados de estabilidade estrutural de um grupo desde o início do Projeto de Materiais.

“Esperamos que o projeto GNoME impulsione a pesquisa em cristais inorgânicos”, disse Ekin Dogus Cubuk, líder da equipe de descoberta de materiais do Google DeepMind. “Pesquisadores externos já verificaram mais de 736 novos materiais do GNoME através de experimentos físicos simultâneos e independentes, demonstrando que as descobertas do nosso modelo podem ser realizadas em laboratórios.”

O Projeto Materiais agora está processando os compostos do Google DeepMind e adicionando-os ao banco de dados online. Os novos dados estarão disponíveis gratuitamente para pesquisadores e também serão utilizados em projetos como o A-Lab, que faz parceria com o Materials Project.

"Estou realmente entusiasmado que as pessoas estejam usando o trabalho que fizemos para produzir uma quantidade sem precedentes de informações sobre materiais", disse Persson, que também é diretor da Fundição Molecular do Berkeley Lab.

"Isso é o que me propus fazer com o Projeto de Materiais:não apenas tornar os dados que produzi gratuitos e disponíveis para acelerar o design de materiais para o mundo, mas também ensinar ao mundo o que os cálculos podem fazer por você. Eles podem digitalizar grandes espaços para novos compostos e propriedades de forma mais eficiente e rápida do que os experimentos por si só podem."

Seguindo pistas promissoras de dados do Projeto de Materiais na última década, os pesquisadores confirmaram experimentalmente propriedades úteis em novos materiais em diversas áreas. Alguns mostram potencial de uso:

• na captura de carbono (retirando dióxido de carbono da atmosfera)
• como fotocatalisadores (materiais que aceleram reações químicas em resposta à luz e podem ser usados ​​para decompor poluentes ou gerar hidrogênio)
• como termoelétricas (materiais que podem ajudar a aproveitar o calor residual e transformá-lo em energia elétrica)
• como condutores transparentes (que podem ser úteis em células solares, telas sensíveis ao toque ou LEDs)

É claro que encontrar estes materiais prospectivos é apenas um dos muitos passos para resolver alguns dos grandes desafios tecnológicos da humanidade.

“Fazer um material não é para os fracos de coração”, disse Persson. "Leva muito tempo para levar um material da computação à comercialização. Ele tem que ter as propriedades certas, funcionar dentro de dispositivos, ser capaz de escalar e ter a eficiência de custo e desempenho corretos. O objetivo do Projeto de Materiais e instalações como O objetivo do A-Lab é aproveitar os dados, permitir a exploração orientada por dados e, em última análise, fornecer às empresas chutes a gol mais viáveis."

Mais informações: Gerbrand Ceder, um laboratório autônomo para a síntese acelerada de novos materiais, Nature (2023). DOI:10.1038/s41586-023-06734-w. www.nature.com/articles/s41586-023-06734-w
Amil Merchant et al, Ampliando o aprendizado profundo para descoberta de materiais, Natureza (2023). DOI:10.1038/s41586-023-06735-9, www.nature.com/articles/s41586-023-06735-9

Informações do diário: Natureza

Fornecido pelo Laboratório Nacional Lawrence Berkeley