Notícia

Os vidros podem ser obtidos a partir de composições incluindo quase todos os elementos da tabela periódica, que geralmente passam por um processo de aquecimento e fusão e, depois, de resfriamento rápido. Essa vasta faixa de composição química possível resulta em grande variação também nas propriedades mecânicas, óticas, térmicas, elétricas e químicas entre vidros com diferentes composições. Com isso, esses materiais têm grande relevância para um vasto universo de aplicações. No entanto, esse universo abrangente de possibilidades gera também grandes desafios.

A estimativa é que sejam da ordem de 10 elevado a 52 as composições vítreas possíveis e, até hoje, apenas 10 elevado a 5 vidros foram, de fato, produzidos nos laboratórios e indústrias de todo o mundo. Esses números dão a dimensão das possibilidades a serem exploradas e, também, dos desafios mencionados anteriormente. "Do jeito que fazemos hoje, que apelidamos de 'mix and get lucky' - misturar e ter a sorte de encontrar uma composição com novas propriedades -, é impossível chegarmos até 10 elevado a 52, mesmo se todos os habitantes da Terra fizerem um vidro diferente todos os dias durante milhares de séculos. Além da escala temporal, há também a questão econômica", explica Edgar Dutra Zanotto, docente do Departamento de Engenharia de Materiais (DEMa) da UFSCar e Diretor do Centro de Pesquisa, Tecnologia e Educação em Materiais Vítreos (CeRTEV), um dos Centros de Pesquisa, Inovação e Difusão (Cepids) apoiados pela Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp).

Diante desse desafio, há cerca de dois anos o pesquisador começou a pensar em utilizar inteligência artificial, incluindo as redes neurais artificiais nessa busca, embora, naquele momento, tivesse "experiência zero", como ele mesmo coloca. Em conversa com o pós-doutorando Daniel Roberto Cassar, do Laboratório de Materiais Vítreos (LaMaV) - também coordenado por Zanotto e parte do CeRTeV -, este se interessou pela temática e decidiu se capacitar na área. "Ele fez um curso no assunto e começamos a trabalhar com uma propriedade importante dos vidros, a temperatura de transição vítrea. Chegamos até a redigir um manuscrito, mas tínhamos várias dúvidas e resolvemos buscar a parceria com especialistas", conta Zanotto. Foi então que, há cerca de um ano, juntou-se ao time o pesquisador André Carlos Ponce de Leon Ferreira de Carvalho, docente do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), e, com ele, mais um Cepid, o Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), do qual Carvalho é pesquisador.

A parceria rendeu muitos frutos neste curto intervalo de tempo, indicando que a área de vidros é muito promissora no que diz respeito à aplicação das redes neurais. "Dentre todas as classes de materiais, os vidros são os mais 'amigáveis' no que diz respeito ao desenvolvimento das redes, porque as suas propriedades dependem fundamentalmente da composição química. Para os materiais cristalinos, é mais difícil correlacionar a propriedade só com a composição, são necessárias outras informações, e aí a rede vai ficando cada vez mais complexa", explica Zanotto. Um desses frutos foi a primeira publicação do grupo sobre o tema, que saiu na última edição de uma das principais revistas da área de Engenharia de Materiais, a Acta Materialia. O artigo, intitulado "Predicting glass transition temperatures using neural networks", é assinado pelos três pesquisadores e apresenta justamente a primeira rede neural desenvolvida para previsão da temperatura de transição vítrea de diferentes composições.

Segundo os pesquisadores, o artigo é o primeiro do mundo sobre redes neurais relacionadas à temperatura de transição vítrea em vidros (vidros inorgânicos não metálicos) e o terceiro sobre redes neurais aplicadas aos vidros envolvendo outras propriedades. Além disso, o número de composições usadas para treinar a rede é um diferencial importante: enquanto os outros artigos usaram, no máximo, cerca de 300 composições, a publicação na Acta Materialia diz respeito a 55 mil composições, obtidas em bases de dados com registros depositados durante mais de 50 anos. "Como não há muitas informações disponíveis sobre as propriedades escolhidas pelos outros pesquisadores, as redes que desenvolveram foram importantes para mostrar que este é um caminho possível, mas não podem ser generalizadas, ou seja, não têm utilidade para situações diferentes daquela em que os dados foram produzidos. As redes neurais precisam de muitos dados de boa qualidade para aprender corretamente. Quanto mais dados, mais capacidade de generalização, e este foi outro grande esforço que precisamos fazer, extrair todos esses dados, treinar e validar a rede com eles", explica o Diretor do CeRTEv.

Hoje, o pioneiro Daniel Cassar já não é mais o único pesquisador a trabalhar com as redes neurais no grupo coordenado por Zanotto. Dois anos após a conversa inicial, já há um trabalho de conclusão de curso finalizado e outro em andamento, uma pesquisa de mestrado em andamento e um segundo pesquisador de pós-doutorado. Além disso, sob a orientação de Carvalho na USP são mais duas pesquisas de doutorado e outras duas de pós-doutorado. "Para nós, a rede é um produto, uma ferramenta para as nossas pesquisas em Engenharia de Materiais. Para o grupo do André, elas são o objeto de pesquisa, e eles já estão, por exemplo, estudando qual o melhor algoritmo para resolver um mesmo problema", conta Zanotto. "Já temos algumas redes treinadas, envolvendo diferentes propriedades de vidros, e uma pesquisa que é anterior às próprias redes, relacionada ao tratamento dos dados para que não sejam inseridos registros com erro no treinamento da rede. É espetacular o avanço em pouco mais de um ano; estamos animados, cada nova propriedade, cada pesquisa abre um novo horizonte, é um tema infinitamente amplo, moderno e relevante", avalia.

As atividades desenvolvidas também envolvem a frente da inovação, com a construção de softwares que permitam o uso das redes desenvolvidas por outros grupos na Academia e na indústria. A partir da primeira rede desenvolvida por Cassar, o primeiro programa já está em desenvolvimento, em uma parceria com a empresa júnior de Computação da UFSCar (CATI Jr.). Nele, será possível inserir uma determinada composição química inorgânica, não-metálica, e prever a sua temperatura de transição vítrea. "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", explica Zanotto.

"A ideia é diminuir drasticamente o tempo e o custo de desenvolvimento de novas composições vítreas. Em vez de testar com a tabela periódica inteira, você procura só naquelas poucas composições que a rede sugerir. A expectativa não é de um resultado exato, mas, como em todos os algoritmos de aprendizado de máquina, a ideia é ter um resultado melhor que o palpite aleatório", esclarece Cassar. "Mesmo os profissionais mais experientes só conseguem estimar propriedades para misturas com até cinco ou seis elementos. Com mais componentes, eles interagem e as estimativas tornam-se muito complexas. Com essas redes inteligentes, poderemos desenvolver vidros sequer imaginados, com propriedades e aplicações exóticas. Vidros contendo até 10 elementos são relativamente comuns, mas há um universo a ser explorado, composições com 15 a 80 elementos, inacessíveis empiricamente. Trata-se de uma transformação radical", conclui Zanotto.