- Pesquisadores do MIT desenvolveram o DiffSyn, um modelo de IA generativa que indica rotas promissoras de síntese para novos materiais, com foco em zeólitas.
- O sistema foi treinado com mais de vinte e três mil receitas de síntese descritas em papers ao longo de cinquenta anos.
- DiffSyn usa técnicas de difusão para transformar ruído em rotas de síntese, sugerindo combinações de temperatura, tempo e proporções de reagentes.
- Em testes, o modelo ajudou a sintetizar uma nova zeólita com morfologia adequada para aplicações catalíticas e apresentou maior estabilidade térmica.
- A abordagem permite explorar várias rotas de síntese para o mesmo material, acelerando o caminho da hipótese à aplicação.
O MIT apresentou um modelo de IA generativa que orienta pesquisadores na síntese de materiais. Chamado DiffSyn, ele sugere rotas promissoras de síntese para materiais complexos, reduzindo o tempo entre hipótese e experimento. O estudo mostra aplicação em zeólitas, classe que pode melhorar catálise, absorção e troca iônica. A equipe também sintetizou uma zeólita com maior estabilidade térmica seguindo as sugestões do modelo.
Os cientistas afirmam que o método pode romper gargalho na descoberta de materiais. Liderado por Elton Pan, o grupo treinou DiffSyn com mais de 23 mil receitas de síntese descritas em 50 anos de literatura. O modelo utiliza técnicas de difusão para transformar ruído em rotas de síntese úteis.
Como funciona
DiffSyn mapeia estruturas de materiais a múltiplos caminhos de síntese, não apenas a um único roteiro. O approach, segundo os pesquisadores, reflete melhor a realidade experimental, que oferece várias opções para obter o mesmo material.
Ao inserir a estrutura desejada, o sistema retorna combinações de temperaturas, tempos e proporções de reagentes. Os cientistas podem escolher entre as opções apresentadas, avaliando qual caminho é mais promissor.
Resultados práticos
Para testar a ferramenta, os pesquisadores aplicaram DiffSyn a uma zeólita. As vias sugeridas levaram à síntese do material, que apresentou morfologia favorável para aplicações catalíticas. O ganho em velocidade é significativo: o modelo pode gerar centenas de receitas em minutos.
Os autores destacam que DiffSyn representa uma mudança de paradigma, ao passar de mapas um a um entre estrutura e síntese para um mapeamento um para muitos. A equipe planeja aplicar a abordagem a outros materiais, como estruturas metalorgânicas e sólidos inorgânicos, desde que haja dados de qualidade disponíveis.
Entre na conversa da comunidade