GNoME: IA que descobriu equivalente a 800 anos de conhecimento na ciência de materiais
Essa descoberta revoluciona a ciência de materiais, com potencial para novas tecnologias, como baterias mais eficientes e eletrônicos mais poderosos.
ciência de materiais
Material com capacidade de aprender abre as portas para hardware inteligente
O óxido de níquel mostrou ter características similares a dois processos ligados ao aprendizado em seres vivos, tornando possível, em teoria, construir máquinas com hardware inteligente.
IA desenvolve cimento sustentável
Os cientistas estão compilando informações sobre os ingredientes do cimento com dados disponíveis na literatura para investigar novas formulações potenciais com menor impacto ambiental.
IA acelera o processo de descoberta de novos materiais
O método aplica autoencoders variacionais para representar o universo de materiais com propriedades interessantes, originalmente esparso, em um espaço latente contínuo, a partir do qual novas soluções podem ser descobertas e selecionadas para teste experimental.
IA permite definir as condições de síntese para a geração de novos micromateriais
Usando redes neurais generativas, os cientistas foram capazes de prever as propriedades e o aspecto físico de micromateriais com as propriedades desejadas, baseados somente nos parâmetros de síntese, agilizando o processo de desenvolvimento que atualmente depende da intuição dos pesquisadores e demanda experimentos para confirmar sua viabilidade.
IA permite desenvolver novos materiais sem a necessidade de realizar experimentos
O Dr. Bessa resolveu inverter o processo de desenvolvimento de novos materiais, usando machine learning para primeiro explorar novos designs em um ambiente virtual, para só então fabricar as soluções em laboratório, diminuindo assim a necessidade de ensaios experimentais para o mínimo necessário.
Mineração de textos e machine learning potencializam descobertas científicas nas ciências de materiais
A técnica descobriu que publicações científicas de materiais similares se agrupavam em conceitos químicos estabelecidos, sem que o algoritmo recebesse informação explícita sobre química, o que pode ser usado para predizer propriedades dos materiais antes que elas sejam investigadas experimentalmente.