Boffins considera superficiais as descobertas de materiais do Google DeepMind

Republicado por Platão

seguidores: 0

A IA por si só pode não ser tão útil para descobrir novos materiais como sugeriu a equipe DeepMind do Google.

Dois cientistas de materiais afiliados à UC Santa Barbara analisaram um artigo do Google publicado na Nature em novembro passado e concluíram que ele promete mais do que entrega. A equipe DeepMind do Google, no entanto, discorda e mantém seu trabalho, argumentando que os críticos da UCSB descaracterizam suas pesquisas e não conseguem avaliar seus objetivos.

Em novembro de 2023, os especialistas do Google DeepMind Amil Merchant e Ekin Dogus Cubuk anunciou a publicação de um artigo na revista científica Nature intitulado “Dimensionando o aprendizado profundo para descoberta de materiais.” Seus coautores incluem: Simon Batzner, Samuel Schoenholz, Muratahan Aykol e Gowoon Cheon.

O artigo descreve Graph Networks for Materials Exploration (GNoME), “nossa nova ferramenta de aprendizado profundo que aumenta drasticamente a velocidade e a eficiência da descoberta, prevendo a estabilidade de novos materiais”.

O GNoMe expandiu o número de materiais disponíveis para a ciência ao descobrir estruturas cristalinas, “muitas das quais escaparam à intuição química humana anterior”, afirmam os autores.

“Com o GNoME, multiplicamos o número de materiais tecnologicamente viáveis conhecidos pela humanidade”, declararam Merchant e Cubuk.

“De seus 2.2 milhões de previsões, 380,000 mil são as mais estáveis, o que as torna candidatas promissoras para síntese experimental. Entre esses candidatos estão materiais que têm potencial para desenvolver futuras tecnologias transformadoras, desde supercondutores, alimentando supercomputadores e baterias de próxima geração para aumentar a eficiência dos veículos elétricos.”

Bem, talvez não tanto, parece.

Novela, credível e útil?

In um artigo publicado segunda-feira na revista Chemistry of Materials, Anthony Cheetham e Ram Seshadri, ambos professores pesquisadores do Laboratório de Pesquisa de Materiais da UC Santa Barbara, argumentam que os materiais identificados pelo GNoME não são tão úteis quanto foi sugerido.

Cheetham e Seshadri discordam da linguagem expansiva do artigo da DeepMind, que afirma: “Nosso trabalho representa uma expansão de ordem de grandeza em materiais estáveis conhecidos pela humanidade”.

Os dois especialistas da UC Santa Bárbara argumentam que as previsões da DeepMind “são apenas de compostos inorgânicos cristalinos e devem ser descritas como tal, em vez de usar o rótulo mais genérico de 'material'”. Eles observam que existem muitos outros tipos de materiais nos quais o GNoME fez não nos aprofundamos, como polímeros, vidros, estruturas metal-orgânicas, heteroestruturas e compósitos.

Mais significativamente, argumentam que as previsões significativas de novos materiais devem ser: credíveis – a estrutura e composição da matéria devem ser algo que possa ser realizado em experiências; novo – não é uma extensão trivial de compostos conhecidos; e útil – exibindo evidências suficientes de utilidade para serem reconhecidos como materiais.

E a adição do GNoME ao cânone de coisas conhecidas não se enquadra neste triângulo, argumenta-se.

“Examinamos aqui as afirmações deste trabalho, infelizmente encontrando poucas evidências de compostos que cumpram a tríade de novidade, credibilidade e utilidade”, explicam Cheetham e Seshadri em sua análise do trabalho da DeepMind. “Embora os métodos adotados neste trabalho pareçam promissores, há claramente uma grande necessidade de incorporar conhecimentos especializados em síntese de materiais e cristalografia.”

Cheetham elaborou para O registro. “Acreditamos que existe um grande potencial para as aplicações da IA à ciência dos materiais (e, na verdade, à química, embora esta seja uma questão mais ampla).

“No entanto, o artigo do Google DeepMind não é particularmente útil para experimentalistas como nós porque oferece um número esmagador de previsões (2.2 milhões, das quais se acredita que quase 400,000 sejam estáveis), muitas das quais não parecem ser muito novas. . Estes são compostos químicos e não materiais porque não têm funcionalidade ou utilidade demonstrada neste momento. “

Cheetham disse que é prematuro colocar limites à utilidade potencial da IA na ciência dos materiais neste momento. “No entanto, como espero que o nosso artigo deixe claro, acreditamos que a IA tem um grande futuro na área quando combinada com a experiência de domínio de primeira classe dos cientistas de materiais.”

“Apoiamos todas as afirmações feitas no documento GNoME do Google DeepMind”, disse um porta-voz do Google DeepMind O registro.

“Nossa pesquisa no GNoME representa muito mais materiais candidatos do que eram anteriormente conhecidos pela ciência, e centenas dos materiais que previmos já foram sintetizados de forma independente por cientistas de todo o mundo.” ®