Novo método de IA captura interações atômicas de longo alcance em moléculas complexas

Pesquisadores do Google DeepMind em Berlim, BIFOLD e da Universidade Técnica de Berlim introduziram um novo método de aprendizado de máquina, a Atenção Rápida Euclidiana - que permite a existência de interações atômicas globais em sistemas químicos.

Pesquisadores do Google DeepMind em Berlim, BIFOLD e da Universidade Técnica de Berlim introduziram um novo método de aprendizado de máquina, Atenção Rápida Euclidiana (EFA), que permite que as interações atômicas globais em sistemas químicos sejam representadas de forma mais. Globais em sistemas químicos sejam representadas de forma mais eficiente.

Isto poderia permitir que os processos da ciência química e dos materiais fossem simulados com mais precisão no futuro, acelerando potencialmente o desenvolvimento de novos medicamentos, baterias mais eficientes e materiais mais sustentáveis. O trabalho, intitulado "Representações atômicas globais de aprendizado de máquina com atenção rápida euclidiana", foi publicado na Nature Machine Intelligence em março de 2026.

Essas simulações constituem a base do desenvolvimento moderno de medicamentos, bem como do projeto de novos materiais e catalisadores mais eficientes. Isto resulta em um sistema de muitos corpos altamente complexo, no qual mesmo pequenas mudanças em um local podem afetar o comportamento de todo o sistema.

É exatamente aqui que o novo método da equipe de pesquisa entra em ação. Nas suas experiências, os investigadores mostram que a EFA capta eficazmente diferentes efeitos de longo alcance e pode descrever interações químicas para as quais os campos de força convencionais de aprendizagem automática podem produzir resultados incorretos.

Nossa abordagem permite um novo passo importante em direção a uma modelagem mais precisa da mecânica quântica de sistemas de muitos corpos usando novos métodos de aprendizagem profunda”, diz o Prof.

Fonte