Inteligência artificial preenche átomos ausentes em cristais
Um novo modelo de inteligência artificial, denominado XtalPaint, foi desenvolvido para reconstruir átomos ausentes em estruturas cristalinas, alcançando uma taxa de sucesso de 97%. A técnica, adaptada de métodos de inpainting de imagens, pode preencher lacunas frequentemente deixadas por átomos de hidrogênio, que são difíceis de detectar em análises por difração de raios X.
Desenvolvimento do modelo XtalPaint
O modelo XtalPaint foi criado por uma equipe liderada por Giovanni Pizzi, do PSI Center for Scientific Computing, em colaboração com pesquisadores das universidades de Parma e Modena, na Itália. O método utiliza técnicas de visão computacional para interpretar informações visuais em estruturas cristalinas incompletas, permitindo a identificação de posições atômicas que não foram detectadas anteriormente.
Aplicações em simulações de materiais
As aplicações do XtalPaint são significativas para a pesquisa de materiais. Ao preencher as lacunas em estruturas cristalinas conhecidas, o modelo pode tornar acessíveis materiais que antes não podiam ser simulados. Isso é crucial para a busca de propriedades úteis em áreas como armazenamento de hidrogênio e o desenvolvimento de novos supercondutores.
Desafios na detecção de hidrogênio
A detecção de hidrogênio em estruturas cristalinas é um desafio persistente, uma vez que métodos tradicionais de difração de raios X não conseguem localizá-lo com precisão. A falta de informações sobre a posição dos átomos de hidrogênio pode limitar o uso de milhares de materiais promissores em simulações, dificultando a pesquisa em propriedades elétricas e térmicas.
Resultados e taxa de sucesso do modelo
Os testes realizados com o XtalPaint mostraram que, em 87% das vezes, o modelo conseguiu restaurar a disposição original dos átomos de hidrogênio. Em 10% dos casos, as configurações geradas foram mais energeticamente estáveis do que as estruturas registradas. Com uma taxa de sucesso geral de 97%, o XtalPaint pode ser utilizado para corrigir erros em bancos de dados de materiais, permitindo um avanço significativo na pesquisa.
O desenvolvimento do XtalPaint representa um avanço importante na utilização de inteligência artificial na ciência dos materiais, possibilitando a exploração de novas fronteiras na pesquisa e aplicação de materiais complexos.
