Quem não lembra de um dos filmes Star Trek (Jornada nas Estrelas), quando os tripulantes da Enterprise vieram do futuro para a nossa época e tiveram que construir um aquário gigante para acomodar baleias dentro da sua nave, a fim de que pudessem levar um casal para o futuro, recuperando-as extinção? A única forma que conseguiram fazer isso foi construindo este aquário com paredes de alumínio transparente.
Como o material não existia na Terra, eles foram até um fabricante de alumínio, e passaram para ele a fórmula do metal transparente. E é claro, aquele humano teria ficado famoso com o descobridor do alumínio transparente.
Pois bem, estamos próximos de aperfeiçoar a tecnologia do vidro metálico, como você poderá ler na notícia abaixo:
Se você combinar dois ou três metais juntos, obterá uma liga que geralmente parece e age como um metal, com seus átomos organizados em padrões geométricos rígidos.
Mas de vez em quando, sob as condições certas, você consegue algo inteiramente novo: uma liga futurista chamada vidro metálico. Os átomos do material amorfo são organizados de todas as maneiras, muito parecido com os átomos do vidro de uma janela. Sua natureza vítrea o torna mais forte e mais leve do que o melhor aço de hoje, e resiste melhor à corrosão e ao desgaste.
Embora o vidro metálico seja promissor como revestimento protetor e alternativo ao aço, apenas alguns milhares de milhões de combinações possíveis de ingredientes foram avaliados nos últimos 50 anos, e apenas um punhado foi desenvolvido a ponto de se tornarem útil.
Agora, um grupo liderado por cientistas da Universidade Northwestern, o Laboratório Nacional de Aceleradores SLAC do Departamento de Energia e do Instituto Nacional de Padrões e Tecnologia – NIST (EUA) relatou um atalho para descobrir e melhorar o vidro metálico – e, por extensão, outros materiais elusivos – em uma fração do tempo e custo.
O grupo de pesquisa aproveitou um sistema da Stanford Synchrotron Radiation Lightsource (SSRL), do SLAC, que combina o aprendizado de máquina – uma forma de inteligência artificial em que algoritmos de computador captam conhecimento de enormes quantidades de dados – com experimentos que rapidamente produzem e selecionam centenas de amostras de materiais, de uma só vez. Isso permitiu que a equipe descobrisse três novas misturas de ingredientes que formam o vidro metálico, e fazê-lo 200 vezes mais rápido do que poderia ser feito antes.
O estudo foi publicado em 13 de abril, na Science Advances.
“Normalmente leva uma ou duas décadas para que um material seja descoberto para uso comercial”, disse Chris Wolverton, professor de Ciência e Engenharia de Materiais da Escola McCormick da Northwestern, que é pioneiro no uso de computação e IA para prever novos materiais. “Este é um grande passo para tentar diminuir esse tempo. Você poderia começar com nada além de uma lista de propriedades que deseja em um material e, usando a IA, rapidamente reduzir o enorme campo de materiais em potencial a alguns bons candidatos.”
O objetivo final, disse Wolverton, que liderou o trabalho de aprendizado de máquina, é chegar ao ponto em que um cientista possa digitalizar centenas de amostras de material, obter feedback quase imediato de modelos de aprendizado de máquina e ter outro conjunto pronto para testar no próximo dia – ou mesmo dentro de uma hora.
Ao longo do último meio século, cientistas investigaram cerca de 6.000 combinações de ingredientes que formam vidro metálico. A co-autora do artigo, Apurva Mehta, uma cientista da equipe da SSRL, disse: “Fomos capazes de fazer e selecionar 20.000 em um único ano”.
Apenas começando
Embora outros grupos usaram o aprendizado de máquina para chegar a previsões sobre onde diferentes tipos de vidro metálico podem ser encontrados, Mehta disse: “A única coisa que fizemos foi rapidamente verificar nossas previsões com medições experimentais, e depois executar os resultados repetidamente na próxima rodada de aprendizado de máquina e experimentos”.
Há muito espaço para tornar o processo ainda mais rápido, acrescentou ele, e eventualmente automatizá-lo para tirar as pessoas do ciclo, para que os cientistas possam se concentrar em outros aspectos de seu trabalho que exijam intuição e criatividade humanas.
“Isso terá um impacto não apenas nos usuários de síncrotron, mas em toda a comunidade de ciência e química de materiais”, disse Mehta.
A equipe disse que o método será útil em todos os tipos de experimentos, especialmente em pesquisas de materiais como vidro metálico e catalisadores cujo desempenho é fortemente influenciado pela maneira como são fabricados, e aqueles em que os cientistas não têm teorias para guiar suas buscas. Com o aprendizado de máquina, nenhum entendimento prévio é necessário. Os algoritmos fazem conexões e tiram conclusões por conta própria, o que pode enviar a pesquisa em direções inesperadas.
“Um dos aspectos mais empolgantes disso é que podemos fazer previsões tão rapidamente e transformar experiências tão rapidamente, que podemos nos dar ao luxo de investigar materiais que não seguem nossas regras normais sobre se um material formará um vidro ou não”, disse o coautor do artigo, Jason Hattrick-Simpers, engenheiro de pesquisa de materiais do NIST.
“A IA vai mudar a paisagem de como a ciência dos materiais é feita, e este é o primeiro passo.”
Experimentando com dados
No estudo do vidro metálico, a equipe de pesquisa investigou milhares de ligas, cada uma contendo três metais baratos e não tóxicos.
Eles começaram com um grande número de dados de materiais que datam de mais de 50 anos, incluindo os resultados de 6.000 experimentos que procuraram por vidro metálico. A equipe vasculhou os dados com algoritmos avançados de aprendizado de máquina desenvolvidos pela Wolverton e Logan Ward, um estudante de pós-graduação do laboratório de Wolverton que foi co-autor primeiro do artigo.
Com base no que os algoritmos aprenderam nessa primeira rodada, os cientistas criaram dois conjuntos de amostras de ligas usando dois métodos diferentes, permitindo que eles testassem como os métodos de fabricação afetam se uma liga se transforma em um vidro. Um feixe de raios X SSRL varreu os dois conjuntos de ligas, e os pesquisadores colocaram os resultados em um banco de dados para gerar novos resultados de aprendizado de máquina, que foram usados para preparar novas amostras que passaram por outra rodada de varredura e aprendizado de máquina.
Pela terceira e última rodada do experimento, disse Mehta, a taxa de sucesso do grupo para encontrar vidro metálico aumentou de uma entre 300 ou 400 amostras testadas para uma de duas ou três amostras testadas. As amostras de vidro metálico que eles identificaram representavam três combinações diferentes de ingredientes, dois dos quais nunca haviam sido usados para fazer vidro metálico antes.
O estudo foi financiado pelo Departamento de Energia dos EUA (prêmio número FWP-100250), pelo Center for Hierarchical Materials Design e pelo National Institute of Standards and Technology (prêmio número 70NANB14H012).
(Fonte)
E este é um dos lados espetaculares da Inteligência Artificial. Somente temos que ter cuidado como a usaremos.
Você confia na nossa raça humana?
A Inteligência Artificial é agora um perigo claro e presente, alertam especialistas
n3m3
