Robôs e IA são usados para criar materiais que reduzem a poluição do ar
Em vez de criar e testar amostras manualmente, pesquisadores usam robôs capazes de produzir e testar mais de 100 materiais em apenas uma hora
Várias atividades humanas liberam poluentes no ar, na água e no solo, prejudicando tanto a saúde das pessoas quanto o meio ambiente. De acordo com a Organização Mundial da Saúde, a poluição do ar é responsável por cerca de 4,2 milhões de mortes por ano.
Para encontrar soluções, cientistas estão explorando materiais chamados fotocatalisadores. Quando expostos à luz, esses materiais desencadeiam reações químicas que, em estudos iniciais, mostraram ser capazes de decompor poluentes tóxicos comuns.
Com a ajuda de robôs e inteligência artificial, meus colegas da Universidade do Tennessee, nos EUA, e eu estamos desenvolvendo e testando novos fotocatalisadores com o objetivo de reduzir a poluição do ar.
Os fotocatalisadores atuam gerando portadores de carga – pequenas partículas que se movimentam e provocam reações químicas – na presença de luz. Ao entrarem em contato com a água e o oxigênio no ambiente, eles produzem substâncias chamadas espécies reativas de oxigênio.
Essas espécies altamente reativas podem se ligar a componentes dos poluentes, decompondo-os ou transformando-os em produtos inofensivos – ou até mesmo úteis. Mas alguns materiais utilizados nesse processo têm limitações. Alguns, por exemplo, só conseguem iniciar a reação se a luz tiver energia suficiente.
Outro problema é que as partículas carregadas tendem a se recombinar rapidamente, o que as impede de concluir o processo. Nesses casos, os poluentes podem não se decompor completamente ou o processo pode demorar muito.
Para contornar essas limitações, estamos desenvolvendo novos materiais fotocatalíticos que atuam de forma mais eficiente na decomposição de poluentes. Também estamos focados em garantir que esses materiais não sejam tóxicos, para que não contribuam ainda mais com a poluição.
MINÚSCULOS CRISTAIS
Nossa equipe utiliza experimentação automatizada e inteligência artificial para identificar quais materiais fotocatalíticos têm mais potencial para decompor poluentes de forma rápida.
Estamos desenvolvendo e testando materiais chamados “perovskitas híbridas”, que são cristais minúsculos com cerca de um décimo da espessura de um fio de cabelo. Esses nanocristais são compostos por uma mistura de componentes orgânicos (à base de carbono) e inorgânicos (que não apresentam carbono em sua composição).
Algoritmos de aprendizado de máquina conseguem analisar rapidamente os dados e aperfeiçoar os experimentos seguintes.
Eles possuem algumas características únicas, como excelente absorção de luz, graças à sua estrutura em nível atômico. Embora pequenos, esses cristais são poderosos. Também interagem com a luz de maneira fascinante, gerando uma grande quantidade de portadores de carga e desencadeando reações fotocatalíticas.
Esses materiais transportam cargas elétricas de forma eficiente, permitindo que a energia da luz seja utilizada para impulsionar reações químicas. Além disso, são usados para aumentar a eficiência de painéis solares e em luzes LED, que produzem as telas vibrantes que vemos nas TVs atuais.
Como existem milhares de possíveis tipos de nanocristais híbridos, nossa equipe busca encontrar uma maneira rápida de criar e testar o maior número possível deles, para identificar os melhores candidatos à remoção de poluentes tóxicos.
AJUDA DOS ROBÔS
Em vez de passar semanas ou meses criando e testando amostras manualmente, estamos usando robôs inteligentes capazes de produzir e testar mais de 100 materiais diferentes por hora. Esses robôs manipulam líquidos com precisão, movendo, misturando e transferindo pequenas quantidades de uma substância para outra, e são controlados por um computador que ajusta sua velocidade e precisão.
Também usamos machine learning para otimizar esse processo. Algoritmos de aprendizado de máquina conseguem analisar rapidamente os dados dos testes e aprender com eles para aperfeiçoar os experimentos seguintes. Esses algoritmos podem identificar padrões e informações nos dados muito mais rapidamente do que seria possível para um ser humano.
Nosso objetivo é simplificar e entender melhor os complexos sistemas fotocatalíticos, facilitando a criação de novas estratégias e materiais. Graças à experimentação automatizada guiada por aprendizado de máquina, agora podemos analisar e interpretar esses sistemas com mais eficiência, superando desafios que antes eram difíceis de resolver com métodos tradicionais.
Este artigo foi publicado no “The Conversation” e reproduzido sob licença Creative Common. Leia o artigo original.
