A mineração de literatura orientada por IA acelera a descoberta de materiais dielétricos sem chumbo, estáveis ​​ao calor

A inteligência artificial analisou dados espalhados por centenas de artigos de pesquisa para descobrir novos materiais dielétricos sem chumbo que mantêm desempenho estável mesmo em altas temperaturas. O estudo apresenta uma nova abordagem que pode transformar a descoberta de materiais de um processo de tentativa e erro em um processo baseado em dados.

A Faculdade de Engenharia da Universidade Nacional de Seul anunciou que uma equipe de pesquisa liderada pelo professor Ho Won Jang, do Departamento de Ciência e Engenharia de Materiais, desenvolveu uma tecnologia para projetar materiais dielétricos sem chumbo, combinando dados.

Depois de construir um conjunto de dados de 1.202 registros de propriedades dielétricas de 448 artigos, os pesquisadores exploraram um espaço composicional virtual de aproximadamente 150 milhões de possibilidades e o reduziram a 37 candidatos. As descobertas são publicadas na revista Nature Communications.

Descubra o que há de mais recente em ciência, tecnologia e espaço com mais de 100.000 assinantes que confiam no Phys. org para obter insights diários. Esse processo rendeu 1.202 registros abrangendo composição, condições de processamento e propriedades dielétricas de 448 papéis.

Os pesquisadores então incorporaram 22 descritores físicos, incluindo composição elementar e microestrutura, para integrar informações espalhadas por diferentes publicações em um conjunto de dados de treinamento unificado. Depois de aplicar sequencialmente metas de desempenho predefinidas e restrições físico-químicas a aproximadamente 150 milhões de composições virtuais, a equipe reduziu o espaço de busca para 37 materiais candidatos.

Experimentos mostraram que as duas amostras, nas quais 1% em mol e 2% em mol de estanho (Sn) foram substituídos, exibiram constantes dielétricas à temperatura ambiente elevadas de 3.422 e 3.307, respectivamente.

Fonte