O óxido de níquel mostrou ter características similares a dois processos ligados ao aprendizado em seres vivos, tornando possível, em teoria, construir máquinas com hardware inteligente.
Os cientistas estão compilando informações sobre os ingredientes do cimento com dados disponíveis na literatura para investigar novas formulações potenciais com menor impacto ambiental.
O método aplica autoencoders variacionais para representar o universo de materiais com propriedades interessantes, originalmente esparso, em um espaço latente contínuo, a partir do qual novas soluções podem ser descobertas e selecionadas para teste experimental.
Usando redes neurais generativas, os cientistas foram capazes de prever as propriedades e o aspecto físico de micromateriais com as propriedades desejadas, baseados somente nos parâmetros de síntese, agilizando o processo de desenvolvimento que atualmente depende da intuição dos pesquisadores e demanda experimentos para confirmar sua viabilidade.
O Dr. Bessa resolveu inverter o processo de desenvolvimento de novos materiais, usando machine learning para primeiro explorar novos designs em um ambiente virtual, para só então fabricar as soluções em laboratório, diminuindo assim a necessidade de ensaios experimentais para o mínimo necessário.
A técnica descobriu que publicações científicas de materiais similares se agrupavam em conceitos químicos estabelecidos, sem que o algoritmo recebesse informação explícita sobre química, o que pode ser usado para predizer propriedades dos materiais antes que elas sejam investigadas experimentalmente.
