A fabricação de baterias melhores, eletrônicos mais rápidos e produtos farmacêuticos mais eficazes depende da descoberta de novos materiais e da verificação de sua qualidade. A inteligência artificial está auxiliando nesse processo, com ferramentas que vasculham catálogos de materiais para identificar rapidamente candidatos promissores.

Mas, depois que um material é feito, verificar sua qualidade ainda envolve escaneá-lo com instrumentos especializados para validar seu desempenho — uma etapa cara e demorada que pode atrasar o desenvolvimento e a distribuição de novas tecnologias.

Agora, uma nova ferramenta de IA desenvolvida por engenheiros do MIT pode ajudar a eliminar o gargalo do controle de qualidade, oferecendo uma opção mais rápida e barata para certas indústrias baseadas em materiais.

Em um estudo publicado hoje na revista Matter , os pesquisadores apresentam o "SpectroGen", uma ferramenta de IA generativa que turbina as capacidades de varredura, servindo como um espectrômetro virtual. A ferramenta captura "espectros", ou medições de um material em uma modalidade de varredura, como infravermelho, e gera a aparência que os espectros desse material teriam se fossem escaneados em uma modalidade totalmente diferente, como raios X. Os resultados espectrais gerados pela IA correspondem, com 99% de precisão, aos resultados obtidos pela varredura física do material com o novo instrumento.

Certas modalidades espectroscópicas revelam propriedades específicas de um material: o infravermelho revela os grupos moleculares de um material, enquanto a difração de raios X visualiza as estruturas cristalinas do material e o espalhamento Raman ilumina as vibrações moleculares de um material. Cada uma dessas propriedades é essencial para avaliar a qualidade de um material e normalmente requer fluxos de trabalho tediosos em vários instrumentos caros e distintos para serem medidos.

Com o SpectroGen, os pesquisadores vislumbram a possibilidade de realizar diversas medições usando um único e mais barato osciloscópio físico. Por exemplo, uma linha de produção poderia realizar o controle de qualidade dos materiais escaneando-os com uma única câmera infravermelha. Esses espectros infravermelhos poderiam então ser inseridos no SpectroGen para gerar automaticamente os espectros de raios X do material, sem que a fábrica precisasse abrigar e operar um laboratório de escaneamento de raios X separado, muitas vezes mais caro.

A nova ferramenta de IA gera espectros em menos de um minuto, mil vezes mais rápido em comparação às abordagens tradicionais, que podem levar de várias horas a dias para medir e validar.

“Acreditamos que não é necessário realizar as medições físicas em todas as modalidades necessárias, mas talvez apenas em uma modalidade única, simples e barata”, afirma o coautor do estudo, Loza Tadesse, professor assistente de engenharia mecânica no MIT. “Então, você pode usar o SpectroGen para gerar o restante. E isso pode melhorar a produtividade, a eficiência e a qualidade da fabricação.”

O principal autor do estudo é o ex-pós-doutorado do MIT Yanmin Zhu.

O grupo interdisciplinar de Tadesse no MIT é pioneiro em tecnologias que promovem a saúde humana e planetária, desenvolvendo inovações para aplicações que vão desde diagnósticos rápidos de doenças até agricultura sustentável.

Zhu observou o uso crescente de ferramentas de IA generativa para descobrir novos materiais e candidatos a fármacos e questionou se a IA também poderia ser utilizada para gerar dados espectrais. Em outras palavras, a IA poderia atuar como um espectrômetro virtual?

Um espectroscópio investiga as propriedades de um material enviando luz de um determinado comprimento de onda para dentro do material. Essa luz faz com que as ligações moleculares no material vibrem de forma a espalhar a luz de volta para o telescópio, onde a luz é registrada como um padrão de ondas, ou espectros, que podem então ser lidos como uma assinatura da estrutura do material.

Para que a IA gere dados espectrais, a abordagem convencional envolveria treinar um algoritmo para reconhecer conexões entre átomos físicos e características em um material, e os espectros que eles produzem. Dada a complexidade das estruturas moleculares dentro de um único material, Tadesse afirma que tal abordagem pode rapidamente se tornar intratável.

"Fazer isso mesmo para apenas um material é impossível", diz ela. "Então, pensamos: existe outra maneira de interpretar espectros?"

A equipe encontrou uma resposta com a matemática. Eles perceberam que um padrão espectral, que é uma sequência de formas de onda, pode ser representado matematicamente. Por exemplo, um espectro que contém uma série de curvas em sino é conhecido como distribuição "gaussiana", que está associada a uma determinada expressão matemática, em comparação com uma série de ondas mais estreitas, conhecida como distribuição "lorentziana", que é descrita por um algoritmo separado e distinto. E, como se constatou, para a maioria dos materiais, os espectros infravermelhos contêm caracteristicamente mais formas de onda lorentzianas, enquanto os espectros Raman são mais gaussianos, e os espectros de raios X são uma mistura dos dois.

Tadesse e Zhu trabalharam essa interpretação matemática de dados espectrais em um algoritmo que então incorporaram a um modelo de IA generativo.

“ É uma IA generativa com conhecimento em física que entende o que são espectros”, diz Tadesse. “E a principal novidade é que interpretamos os espectros não como eles surgem de substâncias químicas e ligações, mas como se fossem, na verdade, matemática — curvas e gráficos, que uma ferramenta de IA pode entender e interpretar.”

A equipe demonstrou sua ferramenta de IA SpectroGen em um grande conjunto de dados publicamente disponível com mais de 6.000 amostras de minerais. Cada amostra inclui informações sobre as propriedades do mineral, como sua composição elementar e estrutura cristalina. Muitas amostras no conjunto de dados também incluem dados espectrais em diferentes modalidades, como raios X, Raman e infravermelho. Dessas amostras, a equipe alimentou várias centenas ao SpectroGen, em um processo que treinou a ferramenta de IA, também conhecida como rede neural, para aprender correlações entre as diferentes modalidades espectrais de um mineral. Esse treinamento permitiu que o SpectroGen captasse espectros de um material em uma modalidade, como infravermelho, e gerasse a aparência de um espectro em uma modalidade totalmente diferente, como raios X.

Após treinarem a ferramenta de IA, os pesquisadores alimentaram o SpectroGen com espectros de um mineral do conjunto de dados que não estava incluído no processo de treinamento. Eles solicitaram que a ferramenta gerasse um espectro em uma modalidade diferente, com base nesses "novos" espectros. Os espectros gerados pela IA, descobriram, eram muito semelhantes aos espectros reais do mineral, originalmente registrados por um instrumento físico. Os pesquisadores realizaram testes semelhantes com vários outros minerais e descobriram que a ferramenta de IA gerou espectros rapidamente, com 99% de correlação.

“Podemos alimentar a rede com dados espectrais e obter outro tipo totalmente diferente de dados espectrais, com altíssima precisão, em menos de um minuto”, diz Zhu.

A equipe afirma que o SpectroGen pode gerar espectros para qualquer tipo de mineral. Em um ambiente de manufatura, por exemplo, materiais à base de minerais usados na fabricação de semicondutores e tecnologias de baterias poderiam primeiro ser rapidamente escaneados por um laser infravermelho. Os espectros dessa varredura infravermelha poderiam ser alimentados no SpectroGen, que então geraria espectros em raios X, que operadores ou uma plataforma de IA multiagente poderiam verificar para avaliar a qualidade do material.

“Penso nisso como ter um agente ou copiloto, apoiando pesquisadores, técnicos, oleodutos e a indústria”, diz Tadesse. “Planejamos personalizar isso para atender às necessidades de diferentes setores.”

A equipe está explorando maneiras de adaptar a ferramenta de IA para diagnóstico de doenças e monitoramento agrícola por meio de um projeto futuro financiado pelo Google. Tadesse também está levando a tecnologia para o campo por meio de uma nova startup e prevê disponibilizar o SpectroGen para uma ampla gama de setores, desde farmacêutico a semicondutores e defesa.