A IA do MIT aprende a «ver» cristais 3D num estudo de investigação

Quando se pede aos grandes modelos de linguagem atuais um material adequado a uma bateria, estes respondem apenas com base em texto, sem qualquer imagem dos átomos envolvidos. Uma equipa do MIT criou um modelo que pretende colmatar essa lacuna. Num artigo publicado na Nature Communications, os investigadores descrevem um sistema que recebe a disposição tridimensional dos átomos de um cristal e aprende a descrevê-la em palavras. Identificou conceções de materiais melhores do que os modelos treinados apenas com texto.

A maioria dos materiais sólidos da Terra são cristais, o que significa que os seus átomos se dispõem em padrões tridimensionais altamente ordenados e repetitivos, e mais de 90 % dos materiais sólidos são deste tipo. Os grandes modelos de linguagem, no entanto, aprendem sobretudo a partir de artigos científicos publicados e de livros, e muitas estruturas cristalinas possíveis existem apenas em bases de dados computacionais. A literatura experimental concentra-se também em algumas classes populares de cristais, pelo que os resultados da IA tendem a privilegiar esses mesmos materiais. A resposta da equipa do MIT foi associar a cada estrutura uma descrição rica, que abrange a composição, as propriedades, o processamento e as possíveis utilizações, e treinar depois o modelo com aprendizagem contrastiva: o sistema compara pares de estruturas e textos correspondentes e não correspondentes, até que os dois se alinhem.

A comparação com uma versão treinada apenas com texto é o teste mais claro do artigo. Os investigadores treinaram dois modelos, um com descrições geradas por IA e outro com texto retirado apenas de artigos. Só o primeiro aprendeu a alinhar estruturas geométricas com texto. Quando lhe foi pedido que encontrasse materiais para eletrólitos sólidos de baterias de iões de lítio, os seus melhores resultados incluíram materiais que outros investigadores tinham identificado de forma independente como candidatos promissores. Perante uma pergunta em linguagem natural que descrevia uma propriedade, identificou materiais cristalinos com essa propriedade e superou uma referência de comparação. Ju Li, o professor do MIT que lidera o trabalho, compara-o ao AlphaFold, o modelo que associou estruturas de proteínas à sua função e ajudou a fazer avançar a investigação biológica e o desenvolvimento de medicamentos.

Para os cientistas de materiais, a mudança imediata é uma pesquisa que parte da propriedade de que precisam, em vez de um composto que já conhecem. Um investigador à procura de um eletrólito sólido melhor poderia descrever o comportamento pretendido e receber candidatos para analisar, uma tarefa que hoje depende da leitura de artigos e da realização de experiências. Olivetti, um dos autores, resume a esperança sem rodeios: «Espero que isto possa ser uma dessas grandes viragens.» Os investigadores esperam que a abordagem funcione em muitos materiais cristalinos e gostariam que outros cientistas a utilizassem. Os resultados divulgados são da própria equipa, e não foi indicada nenhuma data para uma versão que outros grupos possam utilizar.