Pesquisadores do Berkeley Lab descobriram que a extração de textos de resumos de ciência de materiais poderia revelar novos materiais termoe...
Pesquisadores do Berkeley Lab descobriram que a extração de textos de resumos de ciência de materiais poderia revelar novos materiais termoelétricos. Sistema baseado em tecnologia desenvolvida pela Google permite a captura de conceitos relacionados à ciência de materiais, como a estrutura da tabela periódica, e descobertas científicas que passaram despercebidas dos cientistas.
A maior parte do conhecimento científico é publicada como texto, tornando difícil sua avaliação tanto pela análise estatística tradicional quanto pelos modernos métodos de aprendizado de máquina. Com essas premissas em mente, pesquisadores do Lawrence Berkeley National Laboratory usaram o algoritmo denominado Word2vec (desenvolvido pelo Google e que possui uma versão open source) para tentar fazer emergir conexões que os humanos não perceberam. O algoritmo então fez previsões sobre possíveis materiais termoelétricos, que convertem calor em energia e são usados para muitas aplicações de aquecimento e resfriamento.
Segundo os pesquisadores, foi mostrado que o conhecimento da ciência dos materiais presente na literatura publicada pode ser eficientemente codificado como incorporação de palavras densas em informação, isto é, representações vetoriais de palavras, sem supervisão humana.
O trabalho publicado no periódico Nature, em 3 de julho, mostrou que sem qualquer inserção explícita do conhecimento químico, essas incorporações capturaram conceitos complexos de ciência de materiais, como a estrutura da tabela periódica e as relações entre os materiais.
Além disso, foi demonstrado que um método não supervisionado poderia recomendar materiais para aplicações funcionais vários anos antes de sua descoberta sugerindo que o conhecimento latente sobre descobertas futuras está, em grande parte, embutido em publicações anteriores.
Para tanto, uma equipe de cientistas da Divisão de Armazenamento de Energia e Recursos Distribuídos do Berkeley Lab, coletou 3,3 milhões de resumos de publicações científicas sobre materiais e alimentou o Word2vec. Ao analisar as relações entre as palavras, o algoritmo foi capaz de prever antecipadamente descobertas de novos materiais termelétricos e sugerir materiais ainda desconhecidos como candidatos a materiais termoelétricos.
A equipe reuniu os resumos de artigos publicados em mais de 1.000 periódicos entre 1922 e 2018. O Word2vec pegou cada uma das cerca de 500.000 palavras distintas nesses resumos e transformou cada uma em um vetor de 200 dimensões, ou uma matriz de 200 números.
Depois de treinado, esse algoritmo possibilita ver como as palavras se relacionam umas com as outras permitindo inclusive, fazer cálculos comuns com vetores. Por exemplo, conforme outros pesquisadores mostraram treinando o Word2vec a partir de fontes de textos não científicos e pegar o resultado da operação "Rei - Rainha" você obteria o mesmo resultado que "Homem - Mulher".
Da forma análoga, quando treinado com textos da ciência dos materiais, o algoritmo foi capaz de aprender o significado de termos e conceitos científicos, como a estrutura cristalina dos metais, baseada simplesmente nas posições das palavras nos resumos e sua co-ocorrência com outras palavras. Por exemplo, poderia descobrir que, para a equação "ferromagnético - NiFe + IrMn", a resposta seria "antiferromagnética".
A equipe do Berkeley Lab então pegou os principais candidatos termoelétricos sugeridos pelo algoritmo, que classificou cada composto pela semelhança de seu vetor de palavras com o da palavra "termoelétrico". Depois, eles executaram cálculos para verificar as previsões do algoritmo.
Das 10 principais previsões, eles descobriram que todos computaram fatores de potência um pouco acima da média das termoelétricas conhecidas; os três principais candidatos apresentavam fatores de potência acima do percentil 95 das termoelétricas conhecidas.
Em seguida, eles testaram se o algoritmo poderia realizar experimentos “no passado”, dando-lhe resumos apenas até, digamos, o ano 2000. Novamente, das previsões mais altas, um número significativo apareceu em estudos posteriores - quatro vezes mais do que se os materiais tinha acabado de ser escolhido aleatoriamente. Por exemplo, três das cinco principais previsões treinadas usando dados até o ano de 2008 foram descobertas e as duas restantes continha elementos raros ou tóxicos.
Os resultados foram surpreendentes.
Ele acrescentou: "Este estudo mostra que, se este algoritmo estivesse em vigor anteriormente, alguns materiais poderiam ter sido descobertos com anos de antecedência". Juntamente com o estudo, os pesquisadores estão lançando os 50 principais materiais termoelétricos previstos pelo algoritmo.
Jain disse que a equipe está trabalhando em um mecanismo de busca mais inteligente e poderoso, permitindo que pesquisadores pesquisem resumos de uma maneira mais útil.
O estudo foi financiado pelo Toyota Research Institute. Outros co-autores do estudo são John Dagdelen, pesquisadores de Berkeley Lab, Leigh Weston, Alexander Dunn e Ziqin Rong, e a pesquisadora da UC Berkeley, Olga Kononova.
Fonte: Nature
[Visto no Brasil Acadêmico]
A maior parte do conhecimento científico é publicada como texto, tornando difícil sua avaliação tanto pela análise estatística tradicional quanto pelos modernos métodos de aprendizado de máquina. Com essas premissas em mente, pesquisadores do Lawrence Berkeley National Laboratory usaram o algoritmo denominado Word2vec (desenvolvido pelo Google e que possui uma versão open source) para tentar fazer emergir conexões que os humanos não perceberam. O algoritmo então fez previsões sobre possíveis materiais termoelétricos, que convertem calor em energia e são usados para muitas aplicações de aquecimento e resfriamento.
Segundo os pesquisadores, foi mostrado que o conhecimento da ciência dos materiais presente na literatura publicada pode ser eficientemente codificado como incorporação de palavras densas em informação, isto é, representações vetoriais de palavras, sem supervisão humana.
O trabalho publicado no periódico Nature, em 3 de julho, mostrou que sem qualquer inserção explícita do conhecimento químico, essas incorporações capturaram conceitos complexos de ciência de materiais, como a estrutura da tabela periódica e as relações entre os materiais.
Além disso, foi demonstrado que um método não supervisionado poderia recomendar materiais para aplicações funcionais vários anos antes de sua descoberta sugerindo que o conhecimento latente sobre descobertas futuras está, em grande parte, embutido em publicações anteriores.
 |
| A tabela periódica de Mendeleiev está à direita. A representação dos elementos do Word2vec, projetada em duas dimensões, está à esquerda. (Crédito: Berkeley Lab) |
Para tanto, uma equipe de cientistas da Divisão de Armazenamento de Energia e Recursos Distribuídos do Berkeley Lab, coletou 3,3 milhões de resumos de publicações científicas sobre materiais e alimentou o Word2vec. Ao analisar as relações entre as palavras, o algoritmo foi capaz de prever antecipadamente descobertas de novos materiais termelétricos e sugerir materiais ainda desconhecidos como candidatos a materiais termoelétricos.
“Sem dizer nada sobre ciência dos materiais, aprendeu conceitos como a tabela periódica e a estrutura cristalina dos metais. Isso sugeriu o potencial da técnica. Mas provavelmente a coisa mais interessante que descobrimos é que você pode usar esse algoritmo para resolver lacunas na pesquisa de materiais, coisas que as pessoas deveriam estudar, mas ainda não estudaram até agora ”.
A equipe reuniu os resumos de artigos publicados em mais de 1.000 periódicos entre 1922 e 2018. O Word2vec pegou cada uma das cerca de 500.000 palavras distintas nesses resumos e transformou cada uma em um vetor de 200 dimensões, ou uma matriz de 200 números.
Depois de treinado, esse algoritmo possibilita ver como as palavras se relacionam umas com as outras permitindo inclusive, fazer cálculos comuns com vetores. Por exemplo, conforme outros pesquisadores mostraram treinando o Word2vec a partir de fontes de textos não científicos e pegar o resultado da operação "Rei - Rainha" você obteria o mesmo resultado que "Homem - Mulher".
Da forma análoga, quando treinado com textos da ciência dos materiais, o algoritmo foi capaz de aprender o significado de termos e conceitos científicos, como a estrutura cristalina dos metais, baseada simplesmente nas posições das palavras nos resumos e sua co-ocorrência com outras palavras. Por exemplo, poderia descobrir que, para a equação "ferromagnético - NiFe + IrMn", a resposta seria "antiferromagnética".
A equipe do Berkeley Lab então pegou os principais candidatos termoelétricos sugeridos pelo algoritmo, que classificou cada composto pela semelhança de seu vetor de palavras com o da palavra "termoelétrico". Depois, eles executaram cálculos para verificar as previsões do algoritmo.
Das 10 principais previsões, eles descobriram que todos computaram fatores de potência um pouco acima da média das termoelétricas conhecidas; os três principais candidatos apresentavam fatores de potência acima do percentil 95 das termoelétricas conhecidas.
Em seguida, eles testaram se o algoritmo poderia realizar experimentos “no passado”, dando-lhe resumos apenas até, digamos, o ano 2000. Novamente, das previsões mais altas, um número significativo apareceu em estudos posteriores - quatro vezes mais do que se os materiais tinha acabado de ser escolhido aleatoriamente. Por exemplo, três das cinco principais previsões treinadas usando dados até o ano de 2008 foram descobertas e as duas restantes continha elementos raros ou tóxicos.
Um desses componentes, CuGaTe2, representa um dos melhores termoelétricos dos dias atuais e teria sido previsto como um dos 5 melhores componentes quatro anos antes de sua publicação em 2012. - Trecho do artigo
Os resultados foram surpreendentes.
“Honestamente, eu não esperava que o algoritmo fosse tão preditivo de resultados futuros. Eu achava que talvez o algoritmo pudesse descrever o que as pessoas haviam feito antes, mas não ter essas conexões diferentes. Fiquei bastante surpreso quando vi não apenas as previsões, mas também o raciocínio por trás das previsões, coisas como a estrutura da metade de Heusler, que é uma estrutura de cristal realmente quente para termoelétricas nos dias de hoje” - Anubhav Jain
Ele acrescentou: "Este estudo mostra que, se este algoritmo estivesse em vigor anteriormente, alguns materiais poderiam ter sido descobertos com anos de antecedência". Juntamente com o estudo, os pesquisadores estão lançando os 50 principais materiais termoelétricos previstos pelo algoritmo.
Jain disse que a equipe está trabalhando em um mecanismo de busca mais inteligente e poderoso, permitindo que pesquisadores pesquisem resumos de uma maneira mais útil.
O estudo foi financiado pelo Toyota Research Institute. Outros co-autores do estudo são John Dagdelen, pesquisadores de Berkeley Lab, Leigh Weston, Alexander Dunn e Ziqin Rong, e a pesquisadora da UC Berkeley, Olga Kononova.
Fonte: Nature
[Visto no Brasil Acadêmico]
Comentários