Pesquisadores britânicos criaram uma nova e poderosa ferramenta de inteligência artificial que pode revolucionar a forma como cientistas descobrem e projetam novos materiais.
A equipe da Universidade de Liverpool e da Universidade de Southampton apresentou o CrystalGPT, oficialmente denominado Representação de Cristais Moleculares por Transformers (MCRT). Esse modelo baseado em transformer foi pré-treinado com 706.126 estruturas cristalinas experimentais do Cambridge Structural Database, permitindo que ele aprendesse de forma autônoma a linguagem complexa dos cristais moleculares.
O que torna o CrystalGPT único é sua abordagem de dupla representação. O modelo combina análise de ligações atômicas baseada em grafos com capacidades de imagens topológicas, possibilitando o processamento simultâneo de estruturas moleculares detalhadas e padrões mais amplos. Essa abordagem multimodal proporciona à IA uma compreensão abrangente das propriedades dos cristais tanto em nível micro quanto macro.
"O MCRT foi concebido para ser um modelo de base que pode ser facilmente ajustado ao problema em questão, mesmo com pequenas quantidades de dados disponíveis", explica Xenophon Evangelopoulos, membro da equipe da Universidade de Liverpool. Essa capacidade de trabalhar de forma eficiente com dados limitados é especialmente valiosa na química, onde experimentos de laboratório e cálculos costumam ser caros e demorados.
O modelo utiliza quatro tarefas diferentes de pré-treinamento para extrair representações locais e globais dos cristais. Quando ajustado para aplicações específicas, o CrystalGPT pode prever propriedades-chave dos materiais, como densidade, porosidade e simetria, com precisão notável usando apenas uma fração dos dados tradicionalmente necessários.
As implicações para a ciência dos materiais são significativas. Métodos computacionais tradicionais para prever estruturas e propriedades cristalinas são notoriamente intensivos em recursos. O CrystalGPT contorna essas limitações, podendo acelerar descobertas em áreas como farmacêutica, eletrônica orgânica, desenvolvimento de baterias e materiais porosos para armazenamento de gases. Como observa o professor Andy Cooper, de Liverpool, o modelo "aprendeu os padrões mais distintivos dentro desses cristais" e "como esses padrões se relacionam com propriedades práticas", tornando-se uma ferramenta poderosa para a inovação em materiais.