Não só mais rápida, mas também mais inteligente: IA que explica as suas descobertas

Um SDL integra uma IA que faz o planeamento da experiência com automação e robótica de laboratório. Na corrida para desenvolver melhores materiais, a IA e os SDLs são frequentemente celebrados por uma razão principal: a velocidade. Estes sistemas podem testar e otimizar rapidamente novos materiais, ajudando os investigadores a encontrar soluções melhoradas numa fração do tempo habitual. Mas os críticos têm levantado importantes preocupações: Se a IA se limita a apresentar melhores resultados sem explicar por que razão funcionam, será isto um verdadeiro progresso científico e como podemos controlar a fiabilidade?

Um novo estudo publicado na ACS Catalysis pelo Departamento de Teoria do nosso Instituto, em colaboração com a BASF, e o BasCat - UniCat BASF JointLab, mostra que a velocidade não precisa de comprometer a compreensão. A equipa desenvolveu uma estratégia avançada orientada para a IA que não só acelera a descoberta de catalisadores, como também revela por que razão os materiais identificados têm um melhor desempenho. Esta abordagem foi demonstrada com sucesso numa reação industrial chave: a conversão de propano em propileno, um elemento essencial da indústria química e material de base para uma vasta gama de produtos do dia a dia, incluindo plásticos e fibras sintéticas.

Da IA "caixa negra" à IA "caixa cinzenta

A maioria das actuais abordagens de descoberta orientadas para a IA centra-se na identificação de um único melhor material o mais rapidamente possível. Ao fazê-lo, actuam frequentemente como "caixas negras", produzindo respostas sem explicações. Embora isto possa ser útil para a otimização, deixa os cientistas com uma compreensão limitada da química subjacente. Neste caso, foi adoptada uma abordagem diferente: ao conceber cuidadosamente a forma como a IA explora as possíveis combinações de materiais, foi possível melhorar o desempenho e, ao mesmo tempo, fornecer informações significativas: uma estratégia designada por "caixa cinzenta", que torna o processo mais transparente e controlável.

Compreensão e eficiência combinadas

Para além de identificar rapidamente um catalisador superior à referência atual da indústria, a abordagem traduziu o desempenho melhorado numa linguagem compreensível para os químicos. Destacou o efeito dos promotores individuais contidos no catalisador identificado e, especialmente, as interações sinérgicas entre eles que não foram detectadas em estudos tradicionais anteriores. Ao mesmo tempo, o método continuou a ser altamente eficiente: foram necessárias menos de 50 experiências para pesquisar um espaço de design contendo mais de 1013 aka 10000000000000 combinações possíveis de promotores.

De um modo geral, o estudo demonstra que a IA e a automatização em química não têm de ser feitas à custa da compreensão. Concebidas cuidadosamente, estas tecnologias são capazes de transformar o desenvolvimento de materiais - passando da simples descoberta de melhores soluções para a sua verdadeira compreensão. Em última análise, isto posicionará a IA como um parceiro ativo na descoberta científica e não apenas como uma ferramenta eficiente, mas pouco avaliável.