Machine learning acelera busca por materiais de bateria eco-friendly
São Paulo — InkDesign News — Pesquisadores da Universidade de Bayreuth e da Universidade de Ciência e Tecnologia de Hong Kong estão utilizando machine learning para acelerar a descoberta de novos materiais eletrolíticos para baterias, uma inovação que pode transformar o design de baterias sustentáveis e duráveis.
Contexto da pesquisa
A pesquisa destaca a importância dos eletrolíticos nas baterias, que são essenciais para a transferência de íons e, consequentemente, para o desempenho e segurança das baterias. A descoberta de novos materiais de eletrolíticos é fundamental para a transição energética global, mas o processo habitual de pesquisa é demorado e exige testes experimentais que podem levar semanas ou meses.
Método proposto
Os pesquisadores, liderados pelo Prof. Dr. Francesco Ciucci, desenvolveram uma rede multiagente baseada em modelos de linguagem grande (LLMs), como o ChatGPT. O sistema contém dois agentes especializados: um com uma visão ampla da literatura existente e outro com conhecimento técnico profundo. Essa configuração permite que os agentes simulem um debate científico, interligando ideias para propor novas composições eletrolíticas.
Nossa nova rede multiagente atua como um parceiro científico criativo, analisando literatura relevante e gerando composições eletrolíticas inovadoras.
(“Our new multi-agent system acts as a creative scientific partner, with two specialized agents analyzing relevant literature. By simulating a scientific debate, the two agents link ideas from their extensive training data and the literature to propose novel electrolyte compositions.”)— Francesco Ciucci, Professor, Universidade de Bayreuth
Resultados e impacto
Os resultados demonstraram que o sistema multiagente propôs vários componentes eletrolíticos novos e ambientalmente amigáveis para baterias de zinco. Um dos eletrolíticos alcançou um desempenho excepcional nos testes experimentais, completando mais de 4.000 ciclos de carga e descarga e estabelecendo um novo recorde de carregamento rápido. Este novo design apresentou uma capacidade quase 20% maior em comparações de velocidade de carregamento com eletrolíticos similares.
A eficácia comprovada de nossa rede multiagente está revolucionando a descoberta de materiais avançados, reduzindo significativamente as etapas iniciais de pesquisa.
(“The proven effectiveness of our multi-agent network is revolutionizing the discovery of advanced materials— even beyond battery design.”)— Francesco Ciucci, Professor, Universidade de Bayreuth
O sistema de IA representa um avanço significativo na maneira como a pesquisa científica é realizada, atuando como uma ferramenta robusta para complementar a expertise humana. Com a validação por meio de experimentos de laboratório, as propostas geradas pela IA podem levar a soluções mais rápidas para desafios globais, abrindo a porta para novas aplicações em diversas áreas da ciência e tecnologia.
Fonte: (TechXplore – Machine Learning & AI)
