A tinta de engenharia da AI pode reduzir o efeito sufocante da ilha de calor urbano nas cidades e cortar as contas de ar condicionado, afirmaram os cientistas, pois o aprendizado de máquina acelera a criação de novos materiais para tudo, desde motores elétricos a captura de carbono.
Os especialistas em materiais usaram inteligência artificial para formular novos revestimentos que podem manter os edifícios entre 5C e 20c mais frios que a tinta normal após a exposição ao sol do meio -dia. Eles também podem ser aplicados a carros, trens, equipamentos elétricos e outros objetos que exigirão mais resfriamento em um mundo que está esquentando.
Usando aprendizado de máquina, pesquisadores de universidades nos EUA, China, Cingapura e Suécia projetaram novas fórmulas de tinta sintonizadas para melhor refletir os raios do sol e emitir calor, de acordo com um estudo revisado por pares publicado no Science Journal Nature.
É o exemplo mais recente de IA sendo usada para saltar abordagens tradicionais de tentativa e erro tradicionais para os avanços científicos. No ano passado, a empresa britânica Matnex usou a IA para criar um novo tipo de ímã permanente usado em motores de veículos elétricos para evitar o uso de metais de terras raras, cuja mineração é intensiva em carbono.
A Microsoft lançou ferramentas de IA para ajudar os pesquisadores a projetar rapidamente novos materiais inorgânicos – geralmente estruturas cristalinas usadas em painéis solares e implantes médicos. E há esperanças de novos materiais para capturar melhor carbono na atmosfera e criar baterias mais eficientes.
A pesquisa de tinta foi realizada por acadêmicos da Universidade do Texas em Austin, Universidade de Xangai Jiao Tong, Universidade Nacional de Cingapura e Universidade Umeå, na Suécia. Ele descobriu que a aplicação de uma das várias novas tintas habilitadas para AI no teto de um bloco de apartamentos de quatro andares poderia economizar eletricidade equivalente a 15.800 quilowatt horas por ano em um clima quente, como o Rio de Janeiro ou o de Bangkok. Se a tinta fosse aplicada a 1.000 blocos, isso poderia economizar eletricidade suficiente para alimentar mais de 10.000 unidades de ar condicionado por um ano.
Yuebing Zheng, professor da Universidade do Texas e co-líder do estudo, disse: “Nossa estrutura de aprendizado de máquina representa um salto significativo no design de meta-emitores térmicos. Ao automatizar o processo e expandir o espaço de design, podemos criar materiais com desempenho superior anteriormente inimaginável.”
Ele disse que o trabalho de um mês projetando um novo material estava sendo realizado em alguns dias usando a IA e que novos materiais que nunca foram descobertos por tentativa e erro estavam sendo criados.
“Agora, seguimos a saída de aprendizado de máquina, [its instructions for] a estrutura e que tipo de materiais devemos usar, e podemos acertar sem passar por muitos, muitos ciclos de teste de design e fabricação. ”
O Dr. Alex Ganose, professor de química do Imperial College London, que também usa o aprendizado de máquina para projetar novos materiais, disse: “As coisas estão se movendo muito rápido nesse espaço. No último ano ou mais, houve tantas startups tentando usar IA generativa para materiais”.
Ele disse que o processo de projetar um novo material pode exigir o cálculo de milhões de possíveis combinações. A IA permite que os cientistas materiais promovam restrições anteriores no poder computacional. Isso também significa que o processo tradicional de criação de um material e, em seguida, testar suas propriedades pode ser revertido, com os cientistas capazes de dizer à IA que propriedades eles querem antecipadamente.