IA impulsiona descoberta de materiais energéticos e quânticos inovadores com eficiência aprimorada

São PauloPesquisadores da Universidade de Tohoku e do MIT desenvolveram uma ferramenta de IA que determina rapidamente as propriedades ópticas de materiais. Essa inovação pode melhorar significativamente o desenvolvimento de materiais utilizados em energia solar e optoeletrônica. Tradicionalmente, a determinação dessas propriedades é um processo lento e complexo, mas este modelo de IA acelera o processo ao analisar a estrutura cristalina de um material com base em princípios como a relação de Kramers-Krönig.

Estudar a interação dos materiais com a luz é crucial, pois influencia o rendimento de diversas tecnologias.

• LEDs
• Células solares
• Fotodetectores
• Circuitos integrados fotônicos

Indústria de semicondutores pode se beneficiar com o uso de IA

A indústria de semicondutores está em crescimento e poderia se beneficiar bastante com o uso dessa ferramenta. Atualmente, práticas existentes utilizam simulações quânticas complexas que demandam muito poder computacional. Ao adotar a inteligência artificial, pesquisadores podem superar as limitações dos métodos tradicionais e alcançar resultados semelhantes de maneira muito mais ágil. Essa nova abordagem utiliza redes neurais de grafos (GNNs), que representam átomos e ligações como partes de um grafo.

Leia também:

Ontem · 11:42

Mudança Estrutural da OpenAI: impacto na missão e lucro potencial

Uma dificuldade enfrentada pelas Redes Neurais de Grafos (GNNs) é que elas não apresentam um bom desempenho com todas as estruturas cristalinas. Pesquisadores desenvolveram um método universal de incrustação por conjunto para resolver esse problema. Esta abordagem combina diferentes modelos para melhorar a precisão das previsões sem modificar as redes neurais em si. Isso tem um potencial significativo para avanços na ciência de dados.

Este novo método pode ser integrado aos sistemas de aprendizado de máquina atuais para prever com precisão as propriedades ópticas. Essa capacidade é útil para avaliar materiais utilizados em células solares e identificar materiais quânticos. O potencial do método vai além das propriedades ópticas. Pesquisas futuras visam construir bancos de dados para outras características dos materiais, como propriedades mecânicas e magnéticas.

Este novo avanço pode tornar as fontes de energia renovável, como a energia solar, mais eficientes. Ao diminuir o tempo necessário para encontrar novos materiais, a ferramenta de IA acelera a pesquisa científica e as melhorias práticas em tecnologias. Sua fácil integração nos sistemas atuais demonstra seu potencial para transformar o estudo da ciência dos materiais.