No rasto dos átomos de hidrogénio desaparecidos
Um novo método poderá permitir uma simulação mais precisa de materiais para diversas aplicações no futuro
Anúncios
Para simular as propriedades dos materiais, os investigadores utilizam estruturas cristalinas armazenadas em bases de dados. No entanto, muitas vezes, estas não incluem as posições dos átomos de hidrogénio. Os investigadores do Instituto Paul Scherrer (PSI) treinaram agora um sistema de inteligência artificial para reconstruir essas posições de forma muito rápida e eficiente. O seu novo método, denominado XtalPaint, permitirá simular materiais com maior precisão para uma variedade de aplicações: desde o armazenamento eficiente de hidrogénio até novas baterias.
A inteligência artificial é frequentemente utilizada para gerar imagens. Na investigação, modelos especializados de IA são utilizados para aplicações científicas – por exemplo, para prever as posições dos átomos nos materiais. O modelo MatterGen, desenvolvido pela Microsoft, consegue gerar estruturas cristalinas complexas a partir de apenas algumas informações – quais os átomos que devem estar presentes e em que proporções – e os investigadores podem então utilizar essas estruturas para simulações computacionais de novos materiais.
Agora, uma equipa científica liderada por Giovanni Pizzi, do Centro de Computação Científica, Teoria e Dados do PSI, em conjunto com investigadores das universidades de Parma e Modena, em Itália, descobriu uma forma de utilizar a IA para resolver um problema prático na ciência dos materiais: localizar posições atómicas em falta em estruturas que, de resto, são conhecidas. Conforme relatam na revista npj Computational Materials, os cientistas de materiais utilizaram uma abordagem normalmente empregada no processamento de imagens ou na visão computacional, ou seja, o reconhecimento e a interpretação de informação visual por meio da IA.
Isto permite que materiais que são conhecidos experimentalmente, mas que eram teoricamente inacessíveis, sejam simulados pela primeira vez ou de forma significativamente melhor do que antes. Assim, os investigadores estão a contribuir para a exploração de novos materiais com propriedades especiais, para o armazenamento de hidrogénio, por exemplo, ou potencialmente para o desenvolvimento de novos supercondutores.
Átomos de hidrogénio «invisíveis»
«Para as nossas simulações das propriedades dos materiais, baseamo-nos em informações de bases de dados que nos indicam onde cada átomo se encontra numa estrutura cristalina», afirma Timo Reents, doutorando do grupo de Giovanni Pizzi. No entanto, o elemento hidrogénio apresenta um desafio. Faz frequentemente parte da rede cristalina, mas é difícil de detetar experimentalmente utilizando métodos tradicionais que medem a disposição dos átomos através da difração de raios X. Consequentemente, as posições dos átomos de hidrogénio nas representações cristalinas são frequentemente imprecisas, ou estão completamente ausentes das visualizações.
O conhecimento preciso das posições atómicas é essencial para as simulações computacionais que os investigadores utilizam para prever propriedades específicas dos materiais, tais como a condutividade elétrica ou térmica. «Se faltar a informação sobre os átomos de hidrogénio, isso é um problema», afirma Giovanni Pizzi. «Muitas vezes, não podemos utilizar vários milhares de materiais potencialmente interessantes para as nossas simulações precisamente por esta razão.» É aqui que a IA deve poder ajudar.
Quando falta uma pata numa foto de um cão
Na visão computacional, são utilizados os chamados modelos de difusão. Quando estes são utilizados para preencher informações de imagem em falta, o processo denomina-se «inpainting». Por exemplo, é possível adicionar uma pata que estava escondida numa fotografia de um cão.
As abordagens anteriores à visão computacional adicionavam primeiro “ruído” a toda a imagem do cão, sobrepondo-a intencionalmente com informação de imagem aleatória, para depois reconstruir a foto com as quatro patas numa segunda etapa. Atualmente, porém, é prática comum variar a intensidade do ruído consoante a área da imagem: o ruído seria adicionado de forma mais intensa apenas às regiões desconhecidas onde a pata deveria estar.
Embora isto já esteja estabelecido no campo da visão computacional, anteriormente não estava disponível para a reconstrução de posições atómicas. Agora, a equipa de Giovanni Pizzi desenvolveu um modelo de código aberto adaptado chamado XtalPaint, baseado no MatterGen da Microsoft. «Isto combina as vantagens da visão computacional moderna e da reconstrução de cristais: o ruído é adicionado apenas às posições desconhecidas dentro do cristal – as posições conhecidas permanecem praticamente inalteradas durante o processo», explica Timo Reents.
Isto oferece maior eficiência, tal como acontece nas abordagens modernas de preenchimento na visão computacional: «Com a reconstrução passo a passo, o XtalPaint consegue orientar-se em relação ao cristal existente desde o início», afirma Reents. «Isto aumenta a taxa de sucesso e também poupa poder de computação.»
Também aplicável ao lítio e ao sódio
Para testar o seu método, os investigadores removeram as posições dos átomos de hidrogénio de estruturas cristalinas conhecidas e, em seguida, utilizaram o XtalPaint para as reconstruir. Em 87 por cento dos casos, encontraram as posições conhecidas – e em outros dez por cento, configurações que eram ainda mais estáveis energeticamente. «No geral, isto significa uma taxa de sucesso de 97 por cento para o XtalPaint», afirma Reents.
«Agora podemos utilizar o nosso método, por exemplo, para completar estruturas em bases de dados com as posições de hidrogénio em falta», afirma Pizzi. Além disso, ele e os seus colegas já detetaram erros em bases de dados que podem surgir devido à transferência de dados a partir de publicações científicas originais. Além disso, podem aplicar o método não só aos átomos de hidrogénio, mas também, por exemplo, ao lítio e ao sódio – dois elementos importantes para o desenvolvimento de novas baterias.
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Inglês pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
Notícias mais lidas
Mais notícias de nossos outros portais
Consulte os mundos temáticos para obter conteúdo relacionado
Mundo temático da tecnologia de baterias
O mundo temático da tecnologia de baterias reúne conhecimentos relevantes de uma forma única. Aqui você encontra tudo sobre fornecedores e seus produtos, webinars, white papers, catálogos e brochuras.
Mundo temático da tecnologia de baterias
O mundo temático da tecnologia de baterias reúne conhecimentos relevantes de uma forma única. Aqui você encontra tudo sobre fornecedores e seus produtos, webinars, white papers, catálogos e brochuras.