Megabibliotecas poderiam remodelar a descoberta de materiais baseada em IA mais rapidamente do que laboratórios autônomos

Cientistas poderão em breve deixar de apenas procurar novos materiais para, de fato, projetá-los sob encomenda. Pela primeira vez, pesquisadores da Northwestern University demonstraram que as megabibliotecas, ferramentas que aceleram drasticamente a descoberta de materiais, são capazes de ir além da simples identificação de novos materiais promissores. Elas podem, na verdade, auxiliar os cientistas a conceber intencionalmente esses novos materiais com propriedades específicas e predeterminadas.

Em um estudo recente, a equipe desafiou a plataforma da megabiblioteca a explorar milhares de combinações químicas com o objetivo de identificar um candidato piezoelétrico promissor. Materiais piezoelétricos são aqueles que geram eletricidade quando submetidos a pressão, dobra ou compressão. Os resultados dessa pesquisa foram publicados na renomada revista Science Advances.

Para essa investigação, a equipe desenvolveu uma capacidade de triagem inovadora, baseada em uma técnica conhecida como microscopia de geração de segundo harmônico (SHG). Essa metodologia permite aos pesquisadores analisar mais de um milhão de amostras de materiais distintos em um período inferior a 30 minutos, otimizando significativamente o processo de descoberta e caracterização.

A plataforma de megabiblioteca, introduzida pela primeira vez pela equipe do Professor Chad Mirkin em 2016, é uma inovação que pode condensar anos de busca por novos materiais em apenas um dia. Mirkin, que ocupa os cargos de Professor Rathmann de Química, professor de medicina (nas áreas de hematologia e oncologia) e professor de engenharia química e biológica, engenharia biomédica e ciência e engenharia de materiais na Northwestern University, possui afiliações tanto na Weinberg College of Arts and Sciences quanto na McCormick School of Engineering.

O Professor Mirkin comparou essa abordagem das megabibliotecas com os emergentes "laboratórios autônomos", que são sistemas automatizados que empregam robótica e inteligência artificial para propor, desenvolver e testar novos materiais de forma iterativa. Ele enfatiza que esses laboratórios autônomos não conseguem competir com as velocidades alcançadas pelas megabibliotecas, nem com a vasta geração de dados que elas proporcionam, um aspecto que é absolutamente essencial para o treinamento eficaz de algoritmos de inteligência artificial.