Um artigo recente apresenta um resumo das preocupações levantadas por pesquisadores em relação às reivindicações de descoberta de materiais impulsionadas por IA da DeepMind. A DeepMind, uma subsidiária do Google, anunciou em novembro que sua IA havia identificado mais de dois milhões de novas estruturas cristalinas com potencial para avanço tecnológico. A empresa de tecnologia especificou que um subconjunto de 380.000 estruturas é suficientemente estável para avançar significativamente no design de materiais, todos os quais a DeepMind pretende contribuir para o banco de dados do Projeto de Materiais.
No entanto, um estudo lança dúvidas sobre a novidade prática e a utilidade das descobertas da DeepMind. Pesquisadores, incluindo os professores Anthony Cheetham e Ram Seshadri, da UC Santa Barbara, expressam ceticismo em relação às evidências fornecidas pela DeepMind referentes à novidade, credibilidade e utilidade dos compostos. Eles enfatizam a necessidade de expertise em síntese de materiais e cristalografia na pesquisa baseada em IA.
Enquanto a DeepMind mantém a integridade de seu artigo publicado no Gnome, o estudo destaca o foco limitado de sua IA, que identifica principalmente compostos cristalinos inorgânicos. Por outro lado, uma vasta gama de classes de materiais como polímeros e compostos ainda não foram exploradas usando esse método de IA. A revisão das entradas iniciais do banco de dados Gnome Explorer da DeepMind também sugere uma disparidade entre os íons metálicos ordenados previstos e sua probabilidade de ocorrência na realidade. As críticas se estendem à organização percebida de forma descuidada de materiais descobertos pela IA em relação à tabela periódica.
Os pesquisadores concordam com o potencial da IA como ferramenta para a descoberta de materiais, mas destacam a necessidade de um desenvolvimento adicional para realizar sua promessa completa. Este artigo reflexivo busca destacar a importância da expertise humana colaborativa na interpretação dos achados de IA nas ciências dos materiais.