Em resumo
- O Scigen do MIT dirige a IA generativa para propor materiais exóticos e fisicamente viáveis.
- O PARS da Samsung filtra projetos gerados pela IA, rejeitando resultados que quebram a física.
- Ambos refletem um impulso para a AI “consciente da física” para acelerar a descoberta em computação quântica, energia e semicondutores.
E se um sistema de IA pudesse propor uma receita para um novo material que conduz eletricidade com resistência zero à temperatura ambiente-um santo graal para computação quântica e grades de energia de próxima geração?
Essa é a promessa que os pesquisadores estão avançando com novas ferramentas que conectam grandes modelos de linguagem às leis da física, garantindo que suas sugestões não pareçam apenas plausíveis em prosa, mas realmente se sustentam no laboratório.
No MIT, os cientistas introduziram Scigenuma estrutura projetada para orientar a IA generativa para projetar materiais com propriedades exóticas. O sistema pode propor compostos candidatos que podem, por exemplo, exibir fases topológicas, comportamento magnético incomum ou supercondutividade a temperaturas mais altas do que os materiais conhecidos de hoje. Ao contrário das abordagens convencionais de IA que muitas vezes alucinam moléculas impossíveis, o Scigen integra os anteriores de física e química para manter a geração fundamentada na realidade.
Eis por que essa é uma direção bastante emocionante: o espaço de materiais possíveis é astronomicamente grande, e a descoberta de tentativa e erro é lenta e cara. Ao acoplar modelos generativos com restrições científicas, argumentam pesquisadores do MIT, os cientistas podem explorar regiões promissoras desse espaço com muito mais eficiência.
“Em vez de examinar manualmente milhares de compostos hipotéticos, uma IA pode gerar e classificar candidatos que são novos e fisicamente viáveis”, disse a equipe em seu anúncio.
Um esforço paralelo dos pesquisadores da Samsung aborda a mesma questão de um ângulo diferente. O artigo recente da gigante da tecnologia “”Alinhando LLMs Rachoining para descoberta de materiais com amostragem de rejeição com reconhecimento de física“Descreve um método chamado pars.
Em vez de orientar a geração antecipada, a PARS filtra os traços de raciocínio produzidos por grandes modelos de linguagem, descartando qualquer que viole as leis físicas conhecidas ou exceda os limites empíricos. A abordagem melhorou a precisão e reduziu as “violações da física” em testes em receitas de dispositivos, como LEDs de ponta quântica.
Tomados em conjunto, Scigen e Pars exemplificam uma tendência mais ampla: “AI com reconhecimento de física para a ciência”. Modelos generativos podem imaginar estruturas que os pesquisadores humanos nunca podem considerar, mas deixados desmarcados que geralmente produzem absurdos. Ao incorporar as restrições de domínio – por meio de geração guiada ou amostragem de rejeição – esses novos sistemas visam garantir que a criatividade seja amarrada à realidade.
O retorno pode ser profundo. Na computação quântica, materiais exóticos com fases quânticas estáveis são críticas para a construção de qubits escaláveis. Em energia, novos catalisadores podem tornar a produção de hidrogênio mais limpa e mais barata. Na eletrônica, novos semicondutores poderiam ultrapassar os limites do silício. Se Scigen ou Pars puderem ajudar a aparecer até mesmo um punhado de candidatos viáveis, o impacto poderá se transformar nas indústrias.
Por enquanto, ambos os métodos permanecem pesquisas antecipadas. O Scigen demonstrou promessa na geração de candidatos consistentes com previsões teóricas, enquanto o PARS reduziu as taxas de erro na previsão de desempenho de dispositivos. Mas a combinação-os sistemas que propõem e filtram rigorosamente materiais-aponta para um futuro em que a descoberta é acelerada não pela sorte, mas pelo design guiado pela máquina.
Geralmente inteligente Boletim informativo
Uma jornada semanal de IA narrada por Gen, um modelo generativo de IA.
Fontedecrypt
