Destaque

Algoritmo revolucionário de inteligência artificial aprende linguagem química e acelera pesquisa de polímeros

Fonte

Georgia Tech | Instituto de Tecnologia da Georgia

Data

quinta-feira. 27 julho 2023 11:30

Os polímeros são macromoléculas bem conhecidas nas comunidades de Ciência e Engenharia de Materiais e podem ser projetados para ter as propriedades desejadas, como flexibilidade, resistência à água ou condutividade elétrica.

Descobrir quais combinações de materiais produzirão os polímeros mais eficazes é uma tarefa monumental e demorada porque as combinações são essencialmente infinitas. Mas, recentemente, pesquisadores do Instituto de Tecnologia da Georgia (Georgia Tech), nos Estados Unidos, desenvolveram um modelo inovador de aprendizado de máquina que pode revolucionar a forma como cientistas e fabricantes pesquisam virtualmente o espaço químico para identificar e desenvolver esses polímeros tão importantes.

Os resultados do estudo foram publicados na revista científica Nature Communications.

O trabalho foi concebido e orientado pelo Dr. Rampi Ramprasad, professor e pesquisador da Escola de Ciência dos Materiais e Engenharia do Georgia Tech. A nova ferramenta, chamada polyBERT, foi projetada e implementada pelo Dr. Christopher Kuenneth, ex-pós-doutorando no grupo de pesquisa do professor Ramprasad e atual professor da Universidade de Bayeruth, na Alemanha.

O objetivo do projeto foi superar os desafios de pesquisar o espaço químico incrivelmente grande dos polímeros. Treinado em um enorme conjunto de dados de 80 milhões de estruturas químicas de polímeros, o polyBERT se tornou um especialista em entender a linguagem dos polímeros.

“Esta é uma nova aplicação de modelos de linguagem dentro da informática de polímeros. Embora os modelos de linguagem natural possam ser usados para extrair dados de materiais da literatura, aqui visamos tais recursos para entender a gramática e a sintaxe complexas seguidas pelos átomos conforme eles se juntam para formar polímeros”, disse o Dr. Rampi Ramprasad.

As redes neurais profundas multitarefa do PolyBERT permitem que ele inclua simultaneamente várias propriedades de polímeros, aproveitando correlações ocultas nos dados. Essa abordagem supera os modelos de tarefa única, aprimorando a precisão das previsões de propriedades. As previsões de propriedades para grandes conjuntos de dados pelo polyBERT podem oferecer informações valiosas sobre os verdadeiros limites do espaço de propriedades do polímero. Os pesquisadores podem estabelecer referências padronizadas, explorar áreas desconhecidas e até mesmo facilitar a seleção direta de polímeros com propriedades específicas. Ao analisar a relevância química das ‘impressões digitais’ geradas pela ferramenta, os cientistas podem desvendar as funções e interações de diferentes componentes estruturais em polímeros. Isso abre possibilidades para projetar polímeros com base em uma gama ainda maior de propriedades específicas.

O conjunto de dados, compreendendo 100 milhões de polímeros hipotéticos e suas previsões para 29 propriedades, está agora disponível para uso acadêmico. Esta vasta coleção apresenta aos pesquisadores amplas oportunidades de mergulhar no universo dos polímeros, revelando novas descobertas, regras de design e aplicações práticas.

“Nossa visão é combinar esquemas ultrarrápidos de impressão digital e predição de propriedades, como polyBERT e polyGNN, com algoritmos de geração de polímeros virtuais para realizar pesquisas de espaços químicos sinteticamente acessíveis para polímeros específicos de aplicações em escalas sem precedentes”, concluiu o professor Rampi Ramprasad.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página do Instituto de Tecnologia da Georgia (em inglês).

Fonte: Steven Norris, Georgia Tech.

Leia também