IA poderia acelerar a formação de leis materiais

May 22, 2024

Durante centenas de anos, cientistas e engenheiros confiaram em fórmulas analíticas para codificar importantes leis materiais. Por exemplo, a lei de Hooke define as propriedades elásticas de um material, e a lei de Ohm calcula a relação entre tensão, corrente e resistência num circuito eléctrico.

As leis materiais hoje, porém, são muito mais complicadas. Aqui está um exemplo da pesquisa do professor assistente Pu Zhang da Universidade de Binghamton: A condutividade elétrica de um material condutor macio, um componente importante na eletrônica suave, é geralmente mapeada como uma forma de função tensor no espaço de 12 dimensões.

Reconhecer esses padrões e decompô-los em fórmulas matemáticas simples de usar pode levar anos – muitas vezes décadas – de experimentação e derivação, mesmo para os cientistas e engenheiros mais qualificados.

Zhang, membro do corpo docente do Departamento de Engenharia Mecânica da Faculdade de Engenharia e Ciências Aplicadas Thomas J. Watson, quer acelerar o processo de descoberta da lei dos materiais com inteligência artificial, e uma recente doação de US$ 294.992 da National Science Foundation financiará sua pesquisa.

Graças ao lançamento do ChatGPT no outono passado, tanto as promessas como as armadilhas dos sistemas de IA passaram para a corrente cultural dominante. Porém, a IA não é novidade: os pesquisadores têm refinado e aprimorado a tecnologia desde a década de 1950.

Nos últimos anos, Zhang estudou as propriedades condutoras de materiais metálicos líquidos. Em 2022, ele recebeu o prêmio NSF CAREER por explorar suas ideias sobre redes de metal líquido em eletrônica leve que podem dobrar ou esticar sem quebrar.

Ele colaborará com o professor assistente Lin Cheng no Worcester Polytechnic Institute, em Massachusetts, para desenvolver uma nova técnica de IA para gerar leis analíticas de materiais.

“Se tivermos dados brutos sobre como as propriedades físicas de um material mudam durante a deformação, pretendemos encontrar as fórmulas matemáticas específicas das leis dos materiais”, disse Zhang. “Costumava levar anos para desenvolver uma nova lei. Agora, com esses algoritmos de IA, talvez em um dia você possa descobrir muita coisa. Isso revolucionará todo o campo.”

Para descobrir um novo caminho, Zhang e Cheng recorrerão à IA simbólica, que interpreta e gera equações em vez de palavras, como faz o ChatGPT.

“As pessoas desenvolveram plug-ins que você pode adicionar ao ChatGPT para interpretar equações matemáticas simples, principalmente do nível K ao 12”, disse Zhang. “Para a pesquisa universitária, o que precisamos é de matemática muito avançada em nível de pós-graduação, e isso ainda é algo que o ChatGPT – mesmo os complementos – não pode fazer.”

Os pesquisadores também esperam lançar mais luz sobre a forma opaca como a IA costuma funcionar, o que torna os resultados difíceis de ajustar e interpretar.

“Uma abordagem dominante nos últimos anos tem sido a IA e a modelagem baseada em dados”, disse Zhang. “Eles treinam uma enorme rede neural que é como uma caixa preta – você insere dados, obtém dados de saída, é isso. Ninguém sabe o que realmente está acontecendo na caixa preta. É muito difícil de usar porque você baixa um código e não uma fórmula matemática que pode usar diretamente.”

Outro problema recorrente com algoritmos de IA: eles às vezes oferecem respostas plausíveis que estão completamente erradas – um fenômeno que os programadores de computador chamam de “alucinações”. Por exemplo, pode resumir incorretamente um livro que um autor nunca escreveu ou citar precedentes legais que nunca aconteceram de fato.

Embora seja evidente que quaisquer fórmulas terão de ser verificadas através de experimentação, Zhang espera que “alucinações” e outros resultados preocupantes possam ser evitados.

“Uma vantagem da nossa técnica de IA simbólica é que temos uma base matemática sólida, que irá adicionar automaticamente todas as restrições físicas às leis materiais”, disse ele. “Pelo menos não será muito errado e ajudará o algoritmo a encontrar as funções corretas.”

Zhang e Cheng submeteram sua proposta à NSF antes que a organização sem fins lucrativos OpenAI lançasse o ChatGPT, mas agora é um tema quente para pesquisadores, estudantes e a indústria de tecnologia. Embora estejam desenvolvendo seu software para resolver problemas de ciência de materiais, os princípios poderiam ser aplicados a muitos empreendimentos diferentes que buscam fórmulas analíticas a partir de dados brutos.