Pesquisa com a participação do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, empregou uma técnica de inteligência artificial, as redes neurais artificiais, para poder facilitar a criação de novos tipos de vidros inorgânicos não metálicos.
Os cientistas criaram uma ferramenta que prevê o que vai acontecer quando vários elementos químicos são misturados, e identifica o intervalo de temperatura em que essa composição passará por processos que gerarão um novo material vítreo.
O estudo foi realizado pelo professor Edgar Dutra Zanotto, do Departamento de Engenharia de Materiais da Universidade Federal de São Carlos (UFSCar); André de Carvalho, professor e vice-diretor do ICMC da USP; e Daniel Roberto Cassar, pós-doutorando do Laboratório de Materiais Vítreos da UFSCar.
Os primeiros resultados do estudo são apresentados no artigo Predicting glass transition temperatures using neural networks, publicado em uma das principais revistas da área de Engenharia de Materiais, a Acta Materialia.
As redes neurais artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes. Eles adquirem conhecimento por meio da experiência.
Por isso, os especialistas em computação precisam inserir vários dados nessas redes e treiná-las para que possam realizar a tarefa que é esperada.
Os vidros podem ser obtidos a partir de composições incluindo quase todos os elementos químicos, que geralmente passam por um processo de aquecimento e fusão e, depois, de resfriamento rápido.
Como há uma vasta possibilidade de fazer diferentes composições químicas, os materiais vítreos que surgem desses processos também possuem uma grande variação em suas propriedades mecânicas, óticas, térmicas, elétricas e químicas. É por isso que os vidros podem ser utilizados em inúmeras aplicações.
“Esta é uma aplicação com interesse principalmente científico. Mas, no futuro, quando unirmos as redes relacionadas às diferentes propriedades, poderemos ter a aplicação inversa, com uma relevância muito grande para a indústria. Com essas redes inversas, será possível dizer ao software quais propriedades são desejadas, e ele sugerirá algumas composições com maior probabilidade de apresentar essas propriedades”, finaliza Zanotto.
Achou útil essa informação? Compartilhe com seus amigos! xD
Deixe-nos a sua opinião aqui nos comentários.