Rafael G\u00f3mez-Bombarelli, professor associado de ci\u00eancia e engenharia de materiais no MIT, afirma que vivemos um ponto de inflex\u00e3o. Ap\u00f3s mais de uma d\u00e9cada usando IA para descobrir novos materiais, ele v\u00ea potencial para acelerar a ci\u00eancia de formas antes inimagin\u00e1veis.<\/p>\n
Sua pesquisa combina simula\u00e7\u00f5es baseadas em f\u00edsica com t\u00e9cnicas de aprendizado de m\u00e1quina e IA generativa. O objetivo \u00e9 encontrar materiais com aplica\u00e7\u00f5es reais, como baterias, catalisadores, pl\u00e1sticos e OLEDs.<\/p>\n
G\u00f3mez-Bombarelli elucidou que a transforma\u00e7\u00e3o atual decorre da fus\u00e3o entre linguagem natural, v\u00e1rias modalidades de dados e racioc\u00ednio sobre estruturas e receitas de s\u00edntese. Ele descreve o momento como uma segunda inflex\u00e3o tecnol\u00f3gica.<\/p>\n
Nascido na Espanha, o pesquisador cresceu na \u00e1rea de ci\u00eancias f\u00edsicas. Em Salamanca, venceu a Olimp\u00edada de Qu\u00edmica em 2001 e seguiu para a gradua\u00e7\u00e3o e o doutorado. O in\u00edcio experimental deu lugar, durante o doutorado, ao interesse por simula\u00e7\u00f5es computacionais.<\/p>\n
Pouco depois, realizou p\u00f3s-doutorados na Esc\u00f3cia e nos EUA, em Harvard, onde colaborou com Al\u00e1n Aspuru-Guzik. Foi um dos primeiros a aplicar IA generativa em qu\u00edmica e, em 2016, a usar redes neurais para entender mol\u00e9culas.<\/p>\n
A parceria com Aspuru-Guzik resultou na cria\u00e7\u00e3o de uma empresa de computa\u00e7\u00e3o de materiais, voltada inicialmente a OLEDs. Em 2018, o convite para o MIT definiu a transi\u00e7\u00e3o para carreira acad\u00eamica est\u00e1vel.<\/p>\n
No MIT, o grupo de G\u00f3mez-Bombarelli desenvolve ferramentas para combinar simula\u00e7\u00f5es com aprendizado profundo. A linha de pesquisa foca em como a composi\u00e7\u00e3o, a estrutura e a reatividade dos \u00e1tomos influenciam o desempenho dos materiais, com aplica\u00e7\u00f5es no setor privado por meio de parcerias com programas de liaison industrial.<\/p>\n
O laborat\u00f3rio opera de forma majoritariamente computacional, o que amplia alcance e velocidade de experimentos virtuais. A colabora\u00e7\u00e3o com experimentalistas continua central para validar e priorizar ideias de IA.<\/p>\n
Ele observa que simula\u00e7\u00f5es baseadas em f\u00edsica fortalecem dados e algoritmos de IA conforme h\u00e1 mais dados dispon\u00edveis, criando ciclos virtuosos entre IA e modelagem.<\/p>\n
G\u00f3mez-Bombarelli afirma que IA para ci\u00eancia \u00e9 uma das aplica\u00e7\u00f5es mais promissoras de IA, ao ampliar possibilidades de pesquisa e reduzir barreiras administrativas e log\u00edsticas. A sua vis\u00e3o envolve plataformas de intelig\u00eancia cient\u00edfica para setores como life sciences, qu\u00edmica e ci\u00eancia dos materiais.<\/p>\n
O pesquisador cita o impulso recente de grandes empresas de tecnologia e iniciativas p\u00fablicas, como a Genesis Mission do Departamento de Energia dos EUA, como sinais de consolida\u00e7\u00e3o dessas abordagens. O objetivo \u00e9 acelerar descobertas e aplica\u00e7\u00f5es em energia e seguran\u00e7a nacional.<\/p>\n
O grupo do MIT re\u00fane cerca de 25 estudantes e pesquisadores em forma\u00e7\u00e3o, com perfil diverso. A gest\u00e3o busca manter um ambiente de colabora\u00e7\u00e3o e troca de conhecimentos, incentivando a participa\u00e7\u00e3o em cargos docentes no futuro. A atua\u00e7\u00e3o envolve estreita integra\u00e7\u00e3o com o setor produtivo.<\/p>\n","protected":false},"excerpt":{"rendered":"