Cientistas da Universidade de New Hampshire usaram inteligência artificial para acelerar a busca por novos materiais magnéticos. Seu trabalho resultou na criação de um amplo banco de dados que pode ajudar a reduzir a dependência dos veículos elétricos e da energia renovável em relação aos elementos de terras raras.
Os pesquisadores reuniram o Northeast Materials Database — um recurso com 67 573 compostos magnéticos. Entre eles, 25 novos materiais que mantêm suas propriedades magnéticas em altas temperaturas. O banco de dados foi o resultado da análise de artigos científicos com o auxílio de modelos de IA.
«Ao acelerar a descoberta de materiais magnéticos sustentáveis, podemos reduzir a dependência dos elementos de terras raras, baratear os veículos elétricos e os sistemas de energia renovável, além de fortalecer a base industrial dos Estados Unidos», destacou o autor principal do estudo, Suman Itani.
Os ímãs fortes modernos frequentemente exigem elementos de terras raras, que são caros, em sua maioria importados e difíceis de extrair. Embora milhares de compostos magnéticos já sejam conhecidos, ímãs permanentes totalmente novos desse conjunto ainda não foram encontrados. Testar todas as combinações possíveis em laboratório leva tempo e recursos demais.
O estudo foi publicado na Nature Communications. A equipe usou grandes modelos de linguagem para extrair dados experimentais de artigos e, em seguida, treinou modelos para prever propriedades magnéticas e a temperatura de Curie. O projeto contou também com o professor de física Jiadong Zang e o pós-doutorando Yibo Zhang.
O apoio foi fornecido pelo Escritório de Ciências Energéticas Básicas do Departamento de Energia dos Estados Unidos. Os cientistas esperam que o banco de dados e as crescentes tecnologias de IA tornem realidade a busca por alternativas sustentáveis.
O trabalho abre caminho para tecnologias mais baratas e ecológicas para o transporte e a energia. Os ímãs são usados em smartphones, dispositivos médicos, geradores e veículos elétricos, por isso o impacto da descoberta pode ser amplo.
