De acordo com pt.wedoany.com-A Universidade de Princeton e várias instituições parceiras publicaram recentemente um resultado de investigação, apresentando um sistema autónomo de investigação de materiais quânticos denominado Qumus. O sistema realizou o fabrico autónomo de grafeno e a preparação de transístores cristalinos de espessura atómica num laboratório robótico, marcando um passo substancial na transição da inteligência artificial de assistente digital para cientista de laboratório físico.
O artigo, publicado na plataforma de pré-impressão arXiv, indica que a plataforma Qumus integra grandes modelos de linguagem, visão computacional, robótica e equipamento experimental automatizado, sendo designada pela equipa de investigação como o primeiro "experimentador de materiais quânticos de IA". Esta pode receber pedidos em linguagem natural, conceber fluxos experimentais de forma autónoma, manipular hardware, analisar dados, corrigir erros e gerar relatórios, praticamente sem intervenção humana durante o processo.
A investigação centrou-se em materiais quânticos bidimensionais, cristais ultrafinos com apenas alguns átomos de espessura que possuem propriedades elétricas e quânticas únicas. Desde a descoberta do grafeno, os cientistas identificaram milhares de materiais lamelares que podem ser esfoliados. No entanto, o processo de preparação tradicional depende de operações manuais repetitivas e é ineficiente. O Qumus, ao integrar agentes de IA com sistemas robóticos, concretiza uma cadeia automatizada desde a pesquisa de materiais até ao fabrico de dispositivos. Numa demonstração, o sistema executou autonomamente o processo de esfoliação e seleção apenas com a instrução "dá-me uma lamela de grafeno", produzindo finalmente a amostra.
A investigação também testou versões alimentadas por grandes modelos de linguagem de diferentes empresas, descobrindo diferenças na sua cautela de ação, eficiência, entre outros aspetos, semelhantes aos diferentes estilos de trabalho de investigadores humanos. Em experiências de otimização abertas, o sistema, sem dados históricos, ajustou autonomamente parâmetros como a temperatura do substrato e, após quatro horas de iterações, preparou com sucesso lamelas de grafeno com as dimensões especificadas. Além disso, o sistema demonstrou a capacidade de recuperar de erros inesperados, como quando o material foi removido intencionalmente ou o modelo cometeu erros de identificação, reconstruindo autonomamente o fluxo experimental e atingindo o objetivo. Na demonstração mais complexa, o Qumus levou cerca de 90 minutos para completar o design e a montagem multicamada de um transístor de grafeno.
Apesar dos resultados notáveis, a equipa de investigação também reconhece que a plataforma atual ainda tem limitações. A eficiência operacional do sistema é principalmente limitada pelo tempo consumido na movimentação do hardware e nos processos físicos, e não pela velocidade de computação da IA. Além disso, o sistema é atualmente aplicável apenas ao domínio dos materiais bidimensionais, sendo necessária uma extensa personalização para se estender a outras disciplinas. Os erros de alucinação que os grandes modelos de linguagem podem gerar também exigem etapas de verificação adicionais. As demonstrações atuais ainda não alcançaram a descoberta de novos materiais genuínos, mas a equipa acredita que esta estrutura estabelece as bases para futuras experiências científicas autónomas mais complexas. Com o avanço da IA e da robótica, espera-se que sistemas deste tipo possam superar os limites da capacidade humana em domínios intensivos que dependem de conhecimento especializado, como os materiais quânticos, acelerando a exploração de combinações mais amplas de materiais e métodos de fabrico. Esta investigação foi liderada pela Universidade de Princeton e contou com o apoio colaborativo da Universidade de Michigan, do Instituto Nacional de Ciência dos Materiais do Japão e de outras instituições.Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
