Microsoft usa IA e HPC para reduzir uso do lítio em baterias

Uma parceria entre a Microsoft e o Pacific Northwest National Laboratory (PNLL), do Departamento de Energia dos Estados Unidos, que realiza pesquisas em torno de inovações em fontes de energia sustentáveis, vai explorar a Inteligência Artificial (IA) e computação de alto desempenho (HPC, na sigla em inglês) na nuvem para acelerar descobertas em química computacional e ciência de materiais e, assim, ajudar a encontrar um novo composto para baterias capaz de reduzir em até 70% o uso do lítio.

“Acreditamos que a intersecção entre IA, nuvem e computação de alto desempenho, juntamente com o conhecimento dos cientistas, é a chave para acelerar resultados científicos significativos”, afirma Tony Peurrung, vice-diretor de Ciência e Tecnologia do PNNL. “Nossa cooperação com a Microsoft tem por objetivo tornar a IA acessível aos cientistas. Reconhecemos o potencial da IA para revelar um material ou uma abordagem inesperada ou não convencional que vale a pena ser investigado. Esse é o primeiro passo do que promete ser uma jornada interessante para incrementar o ritmo das descobertas científicas.”

O que será explorado inicialmente é o que a IA faz de melhor, sintetizar dados e apresentar resultados rapidamente. Para isso, o trabalho adotará a plataforma Azure Quantum Elements da Microsoft que usa modelos de IA desenvolvidos especificamente para auxiliar em descobertas científicas. Os pesquisadores do PNNL vão buscar identificar novos materiais e produtos químicos promissores para aplicações em sistemas sustentáveis de fornecimento de energia sob demanda.

Segundo os cientistas, tradicionalmente, o primeiro passo na pesquisa da síntese de materiais é ler todos os estudos publicados sobre outros materiais e formular hipóteses. O próximo passo é testar as hipóteses, normalmente um processo iterativo e longo. Apenas para citar um exemplo, um dos projetos anteriores do PNNL, envolvendo uma bateria de vanádio, tomou vários anos para desenvolver um novo material, de acordo com Vijay Murugesan, líder do grupo de ciências dos materiais do PNNL.

Agora, os cientistas do PNNL estão testando um novo material para baterias que foi encontrado em questão de dias, não anos. Com a ajuda da Microsoft, foram treinados diferentes sistemas de IA para fazer avaliações de 32 milhões de materiais inorgânicos em potencial e sugerir combinações. Em seguida, o sistema de IA encontrou todos os materiais estáveis. Outra ferramenta de IA filtrou moléculas candidatas com base na reatividade e outras com base no potencial para conduzir energia. Em resumo, os 32 milhões de candidatos foram reduzidos a 500 mil, em sua maioria novos materiais estáveis, e depois a 800.

Em outra etapa da pesquisa, foram usados recursos de HPC de alta precisão com um conjunto menor de materiais candidatos. A primeira verificação feita calculou a energia de cada material em relação a todos os outros estados em que poderia estar. Depois vieram as simulações de dinâmica molecular que combinaram HPC e IA para analisar os movimentos de átomos e moléculas de cada material.

Esse processo reduziu a lista para 150 candidatos. Por fim, os pesquisadores da Microsoft usaram HPC para avaliar a praticidade de cada material – disponibilidade, custo e outros elementos. Com isso, a lista caiu para 23, dos quais cinco materiais já eram conhecidos.

Pense, então, em quanto tempo todo esse processo demorou? Contando com a combinação IA-HPC, foram apenas 80 horas para descobrir os materiais mais promissores para aplicação em baterias. Em cenários anteriores, o gargalo para esse tipo de pesquisa seriam os recursos de computação de alto desempenho. Mesmo em universidades e instituições de pesquisa, os supercomputadores não costumar ser adaptados a um domínio específico, além de terem de ser compartilhados entre várias iniciativas científicas. Já na pesquisa realizada pelos parceiros Microsoft e PNNL, a HPC foi responsável por apenas 10% do tempo de poder computacional, visto que um conjunto de moléculas a ser testado já havia sido reduzido em uma fase anterior. Os outros 90% do tempo computacional foram empregados no sistema de IA que fez a maior parte da seleção dos candidatos.

A pesquisa já está em um estágio prático, no qual os materiais foram sintetizados com sucesso e transformados em protótipos de baterias funcionais que passarão por testes em laboratório. A Microsoft também já está trabalhando em ferramentas digitais para acelerar as demais partes do processo científico.

Todo o caminho, da simulação dos candidatos até a produção de uma bateria funcional, levou menos de nove meses, um piscar de olhos se comparado aos métodos tradicionais, na visão dos pesquisadores do PNNL.

Hoje, a maioria das baterias usadas em vários equipamentos é feita de íons de lítio. Esse material já é relativamente escasso e caro, e a demanda deve crescer cinco a 10 vezes até 2030, de acordo com o Departamento de Energia dos Estados Unidos. Além disso, esse tipo de bateria apresenta problemas de segurança, podendo causar explosões ou incêndios. Para complicar o cenário, a mineração desse material, e de outros também, em geral, é uma atividade que tradicionalmente sofre com problemas ambientais e geopolíticos.  Daí a relevância de pesquisas como essa realizada pela Microsoft e PNNL.

“Os resultados das novas baterias são apenas um exemplo – uma prova, por assim dizer”, afirma Brian Abrahamson, diretor digital do PNNL. “Reconhecemos desde o início que a magia aqui está na velocidade da IA em auxiliar na identificação de materiais promissores e na nossa capacidade de colocar imediatamente essas ideias em ação no laboratório. Estamos entusiasmados para seguir em frente com a parceria entre Microsoft e PNNL. A ideia é ampliar os limites do que é possível por meio da fusão entre tecnologia de ponta e conhecimento científico.”

Como as ferramentas de IA da Microsoft são treinadas para o domínio da química, e não apenas para sistemas de baterias, podem ser usadas para qualquer tipo de pesquisa de materiais, como os empregados no campo farmacêutico. Além disso, a pesquisa pode abrir caminho para outros avanços que serão possíveis com a ajuda da computação quântica.