Pesquisadores do MIT desenvolveram um framework que promete resolver um dos problemas mais custosos da aplicação de inteligência artificial na ciência dos materiais: a geração massiva de designs quimicamente instáveis e, portanto, inúteis. A abordagem, batizada de CrysVCD, funciona como um filtro inteligente que aplica regras fundamentais da química antes do processo de geração, garantindo uma taxa de sucesso muito superior.
O trabalho, detalhado em artigo na publicação científica Nature Computational Science, ataca uma lacuna crítica. Modelos de IA, especialmente os de difusão, são capazes de gerar milhões de novas estruturas de materiais em minutos. O problema é que a grande maioria não é viável no mundo real. Isso obriga indústrias e laboratórios a alocar orçamentos computacionais massivos — em alguns casos, 90% do custo total — apenas para validar e descartar as opções instáveis, um processo que pode levar semanas.
A química antes da força bruta
A tese do time do MIT é que a solução não está em filtrar melhor, mas em gerar de forma mais inteligente. Em vez de um processo de seleção a posteriori, o CrysVCD introduz restrições no início. O sistema garante que cada design satisfaça regras químicas essenciais, como as relacionadas aos elétrons de valência dos átomos, antes que o caro passo de geração computacional comece. “Se os modelos que geram materiais são como DVDs, nós somos o DVD player”, explicou Mingda Li, professor associado do MIT, em nota sobre a pesquisa.
Na prática, o sistema utiliza um modelo de linguagem para produzir fórmulas quimicamente válidas. Só então um modelo de difusão usa essa fórmula para gerar a estrutura atômica correspondente do material cristalino. Segundo os pesquisadores, essa abordagem é uma ordem de magnitude mais eficiente. Nos testes, o CrysVCD alcançou quase 70% de estabilidade de dinâmica de rede — um teste rigoroso de viabilidade — e 85% de metaestabilidade, que mede se um material permanece em estado estável quando não perturbado. São números que contrastam fortemente com os índices de um dígito frequentemente obtidos com métodos tradicionais.
Do laboratório para a indústria
Além de gerar materiais estáveis, a abordagem permite otimizar para propriedades específicas. A equipe demonstrou a criação de materiais com alta condutividade térmica, um gargalo para a eficiência de data centers, onde o resfriamento pode consumir até 30% da energia. Outra aplicação testada foi a geração de materiais com alta constante dielétrica, importante para a indústria de semicondutores.
O impacto mais profundo, no entanto, pode ser a democratização do design de materiais. Ao reduzir drasticamente o custo computacional da validação, a tecnologia permite que laboratórios de pesquisa menores e startups possam inovar no setor, que hoje é dominado por grandes corporações com acesso a supercomputadores. Embora o CrysVCD funcione melhor com estruturas cristalinas sólidas, ele representa uma mudança de mentalidade.
O movimento é de uma lógica de força bruta para uma de design inteligente e com restrições. Em vez de procurar uma agulha num palheiro gerado aleatoriamente, a IA aprende a construir um palheiro com muito mais agulhas. O avanço não promete um único supermaterial, mas sim uma aceleração na capacidade de descobrir muitos materiais úteis, de forma mais rápida e acessível.
Com reportagem de Brazil Valley
Source · MIT News
