Deutsch
English
Español
Français
Italiano
Nederlands
Polski
Русский
Türkçe
Svenska
Chinese
MagyarA nova IA do Google DeepMind desenvolveu mais de 700 materiais para baterias de veículos elétricos, células solares e muito mais
A nova IA do Google DeepMind, GNoME (redes gráficas para exploração de materiais), identificou as estruturas de aproximadamente 2,2 milhões de novos materiais. Isso inclui cerca de 380.000 materiais estáveis que podem impulsionar tecnologias futuras, como baterias de carros elétricos de última geração, células solares, chips de computador e supercondutores. Vários pesquisadores em todo o mundo estão produzindo e testando experimentalmente 736 desses materiais. A DeepMind identificou 528 condutores de bateria de íons de lítio promissores que poderiam ajudar a tornar as baterias mais eficientes.
Embora os materiais desempenhem um papel muito importante em quase todas as tecnologias, nós, como humanidade, conhecemos apenas algumas dezenas de milhares de materiais estáveis.
- Dogus Cubuk, líder de descoberta de materiais no Google DeepMind
Embora o uso de IA para desenvolver novos materiais tenha se tornado comum, o GNoMe se destaca por sua escala e precisão. Chris Bartel, professor assistente de engenharia química e ciência dos materiais da Universidade de Minnesota, observa que o GNoMe foi treinado com um volume de dados significativamente maior do que o de projetos comparáveis.
O hardware, especialmente quando se trata de energia limpa, precisa de inovação se quisermos resolver a crise climática. Esse é um aspecto da aceleração dessa inovação.
- Kristin Persson, líder do The Materials Project no Berkeley Lab
Os pesquisadores geralmente passam anos desenvolvendo materiais com base em estruturas existentes na esperança de descobrir novas combinações. Graças à ferramenta de aprendizagem profunda, essa pesquisa agora pode ser acelerada. O Laboratório Nacional Lawrence Berkeley, juntamente com o Google DeepMind, publicou dois artigos na revista Nature https://www.nature.com/articles/s41586-023-06735-9. Um dos artigos descreve como as previsões de IA podem ser usadas para a síntese autônoma de materiais.
No entanto, um problema significativo persiste: Novos materiais geralmente levam muito tempo para chegar ao estágio comercial.
Se pudermos reduzir esse tempo para cinco anos, já será um grande avanço.
- Dogus Cubuk
O recém-autônomo A-Lab do Berkeley Lab está investigando a utilidade de novos materiais no mundo real. Em apenas 17 dias, o laboratório conseguiu realizar 355 experimentos e sintetizar com sucesso 41 dos 58 compostos propostos. Isso é significativamente mais rápido do que o tempo que pesquisadores humanos levariam.
Se o senhor não tiver sorte, isso pode levar meses ou até anos. A maioria dos alunos desiste depois de algumas semanas. Mas o A-Lab não se importa em falhar. Ele continua tentando e tentando.
- Kristin Persson
Quelle(n)
