Learning the Chronology of Materials Discovery for Synthesizability Prediction

A busca por novos materiais é uma corrida contra o tempo. Cientistas podem agora usar computadores poderosos para imaginar milhões de novas receitas químicas, propondo candidatos para baterias, painéis solares e medicamentos muito mais rápido do que qualquer laboratório consegue testar. Isso cria um gargalo: um vasto oceano de possibilidades teóricas onde apenas uma pequena fração poderá ser construída e comprovada como funcional. Para navegar nisso, pesquisadores desenvolveram modelos computacionais que tentam adivinhar quais dessas receitas imaginárias são realmente realizáveis em um laboratório. Tradicionalmente, esses modelos tratam a história da ciência como uma lista estática, olhando apenas para o que foi feito e o que não foi, sem considerar quando ou por que as descobertas aconteceram. Eles assumem que o caminho para um novo material é aleatório, ignorando o fato de que a descoberta humana segue uma história específica e evolutiva, moldada por ferramentas disponíveis, financiamento e interesses científicos em mudança.

Uma equipe de pesquisadores do Imperial College London introduziu uma nova abordagem chamada ChronoSyn, que altera a forma como essas previsões são feitas. Em vez de tratar a história dos materiais como uma simples coleção de fatos, este modelo aprende com a própria linha do tempo da descoberta. Ele reconhece que a ordem em que os cientistas encontraram novos materiais não é aleatória; ela reflete uma progressão impulsionada por necessidades práticas e avanços tecnológicos. Ao ensinar o computador a entender essa sequência histórica, o modelo ganha uma compreensão mais profunda de quais combinações químicas são provavelmente as próximas a serem sintetizadas. Os pesquisadores descobriram que, ao incorporar as datas das descobertas passadas, o modelo tornou-se significativamente melhor em identificar novos materiais promissores, mesmo aqueles que nunca haviam sido vistos antes.

O cerne deste trabalho reside em como o modelo processa a informação. Ele pega uma composição química — uma mistura específica de elementos — e a converte em uma impressão digital digital. Essa impressão digital é então alimentada em duas partes diferentes do programa de computador simultaneamente. Uma parte tenta prever se o material pode ser sintetizado, enquanto a outra parte tenta adivinhar quando esse material provavelmente foi descoberto em relação aos outros. O modelo aprende comparando pares de materiais conhecidos, ajustando sua lógica interna para que atribua uma pontuação "posterior" a materiais relatados em anos recentes e uma pontuação "anterior" àqueles encontrados há muito tempo. Essa tarefa dupla força o computador a construir uma compreensão compartilhada da química que respeita o fluxo do tempo. O resultado é um sistema que não apenas memoriza uma lista de materiais conhecidos, mas entende a trajetória de como a ciência se move através do espaço químico.

Quando testado contra modelos padrão que ignoram a linha do tempo, o ChronoSyn provou ser mais preciso. Em experimentos usando bancos de dados contendo centenas de milhares de materiais conhecidos e hipotéticos, o novo modelo identificou corretamente uma porcentagem maior de compostos reais e sintetizáveis. A melhoria não foi apenas um pequeno aumento estatístico; foi um sinal claro de que a história da descoberta fornece pistas valiosas. Os pesquisadores observaram que o modelo aprendeu a agrupar materiais de uma forma que espelhava sua história real. No mapa interno do computador, materiais descobertos nas décadas de 1970 e 1980 agruparam-se em uma área, enquanto aqueles encontrados nas décadas de 2010 e 2020 reuniram-se em outra. Essa organização permitiu ao modelo distinguir entre famílias químicas que foram minuciosamente exploradas e aquelas que estão apenas começando a ser investigadas.

Essa capacidade de ler a linha do tempo provou ser particularmente útil ao observar materiais que ainda não haviam sido relatados. O modelo identificou grupos de composições hipotéticas que se assemelhavam às famílias químicas descobertas nas últimas décadas. Esses materiais "recentes" receberam pontuações mais altas de sintetizabilidade do que os de aparência mais antiga. Os pesquisadores descobriram que isso fazia sentido: espaços químicos que têm sido ativamente estudados recentemente, como os usados para baterias de íon-lítio ou células de combustível, ainda estão sendo explorados, o que significa que há uma chance maior de que materiais não relatados nessas áreas sejam, de fato, realizáveis. Por outro lado, espaços químicos que foram intensamente estudados décadas atrás, mas que desde então silenciaram, são mais propensos a conter materiais que são genuinamente difíceis ou impossíveis de fazer. O modelo efetivamente aprendeu a priorizar a "fronteira" da pesquisa atual sobre o "pântano" da exploração passada.

Para testar o valor prático desta abordagem, os pesquisadores realizaram um experimento retrospectivo. Eles treinaram o modelo usando apenas o conhecimento disponível até um ano específico, como 2018, e depois pediram que previsse quais materiais seriam descobertos após essa data. O ChronoSyn superou consistentemente os modelos padrão na identificação dessas descobertas futuras. Ele sinalizou com sucesso composições que foram de fato relatadas na literatura científica nos anos seguintes ao corte, demonstrando que o modelo poderia usar o passado para prever o futuro. Isso sugere que o caminho que os cientistas percorreram para encontrar materiais até agora contém um mapa de onde ocorrerão os próximos avanços.

O estudo também revelou que o modelo era particularmente bom em identificar materiais complexos contendo elementos raros, como aqueles com elementos do bloco-f, como os lantanídeos. Esses materiais costumam aparecer em ondas distintas de descoberta, com períodos intensos de pesquisa seguidos por tempos mais calmos. Como o modelo aprendeu o tempo dessas ondas, ele pôde reconhecer melhor quando uma nova composição se encaixava em uma tendência de pesquisa atualmente ativa. Quando a equipe aplicou o ChronoSyn a um espaço hipotético massivo de 50 milhões de combinações químicas potenciais, ele destacou famílias específicas de compostos que provavelmente seriam realizáveis. Uma verificação contra registros científicos confirmou que muitas dessas previsões de alta pontuação eram, de fato, materiais que haviam sido sintetizados e relatados no passado, mas que estavam ausentes dos principais bancos de dados usados para o treinamento.

Os pesquisadores reconhecem que seu método possui limites. O modelo depende das datas de publicação, que são um substituto para a descoberta e podem não corresponder exatamente ao momento exato em que um material foi fabricado pela primeira vez. Ele também reflete os vieses da pesquisa humana, potencialmente favorecendo áreas químicas que historicamente atraíram atenção, enquanto negligencia campos promissores, mas pouco explorados. Além disso, o modelo prevê se uma fórmula química é possível, mas ainda não leva em conta as estruturas cristalinas específicas que poderiam tornar um material estável ou instável. Apesar dessas restrições, o trabalho demonstra que a história da ciência não é apenas um registro do que foi feito, mas um guia para o que pode ser feito a seguir. Ao aprender a cronologia da descoberta de materiais, os cientistas podem agora usar o passado para navegar de forma mais eficaz pelo vasto e inexplorado território do futuro.