Redação do Site Inovação Tecnológica - 29/12/2020
Grãos cristalinos
O segredo para produzir ligas metálicas com as propriedades desejadas - dureza, resistência tenacidade, flexibilidade etc - está nos minúsculos cristais que formam a liga e, mais especificamente, nas fronteiras entre esses cristais.
O problema é que a ciência está longe de ter uma compreensão precisa do que acontece nas fronteiras entre os minúsculos grãos cristalinos que constituem a maioria dos metais.
Por exemplo, quando dois metais são misturados, os átomos do metal secundário podem se acumular ao longo desses limites de grãos, ou podem se espalhar pela rede de átomos dentro dos grãos. As propriedades gerais do material serão determinadas em grande parte pelo comportamento desses átomos, mas até agora não havia uma maneira sistemática de prever como eles se comportarão e onde se alojarão.
"Você pode pensar neles como a cola que mantém os cristais unidos. Mas eles estão desordenados, os átomos estão misturados. Eles não combinam com nenhum dos cristais que estão unindo," explicou o professor Christopher Schuh, do MIT.
Isso significa que existem bilhões de arranjos atômicos possíveis, em comparação com apenas alguns arranjos reais em um cristal. Criar novas ligas envolve "tentar projetar essas regiões dentro de um metal, e é literalmente bilhões de vezes mais complicado do que projetar um cristal," acrescentou Schuh.
Aprender e simular
Para enfrentar esse dilema e não depender tanto do acaso, a equipe de Schuh usou uma combinação de simulador de computador com um processo de aprendizado de máquina que gera previsões detalhadas das propriedades que cada liga metálica terá.
O algoritmo de inteligência artificial foi treinado com um grande número de casos representativos de ligas já conhecidas e bem estudadas e projetado para extrapolar esses casos específicos para simular novas ligas. Os resultados mais promissores podem então ser testados na prática.
De forma um tanto surpreendente, o sistema mostrou que muitas combinações de ligas que haviam sido descartadas como inviáveis, principalmente porque estariam sujeitas a combinações indesejáveis de propriedades, na verdade se mostraram viáveis.
Cruzar a tabela periódica inteira
O banco de dados compilado a partir deste estudo foi disponibilizado em domínio público, podendo ajudar qualquer interessado que esteja trabalhando no projeto de novas ligas, anunciou Malik Wagih, principal responsável pelo desenvolvimento.
E a equipe não pretende parar por aqui.
"Em nosso mundo ideal, o que faríamos seria pegar todos os metais da Tabela Periódica e adicionar todos os outros elementos da Tabela Periódica a eles," disse Schuh. "Então você pega a Tabela Periódica e a cruza com ela mesma, e você verifica todas as combinações possíveis."
Para a maioria dessas combinações, os dados básicos ainda não estão disponíveis para alimentar o sistema de aprendizado de máquina, mas, à medida que mais e mais simulações são feitas e mais dados coletados, isso pode ser ser integrado ao novo sistema, garante o pesquisador.