A inovação geralmente leva a novos produtos, mas novos manãtodos podem ser igualmente inovadores.

Foi a chance de ajudar a desenvolver esses manãtodos que atraa­ram o estudante de doutorado em engenharia química Soumil Joshi de sua cidade natal, Mumbai, na andia, para a Virginia Tech em 2019.

"a‰ uma a³tima escola, especialmente para a área de engenharia química, e émuito reputada pela pesquisa em polímeros, que sou grato por estar fazendo aqui", disse Joshi.

E em mara§o, três anos de trabalho levaram seu nome a ser listado como primeiro autor em um artigo descrevendo um novo manãtodo computacional para trabalhar com polímeros que ele e seu orientador, o professor assistente Sanket Deshmukh, esperam que leve a avanços biomédicos significativos.

O artigo, intitulado "Dina¢mica molecular de granulação grossa integrada a  Rede Neural Convolucional para comparar formas de escovas de garrafa sensa­veis a  temperatura", detalha um manãtodo desenvolvido pelo laboratório Deshmukh, incluindo o coautor e acadêmico visitante Samrendra Singh, que usa inteligaªncia artificial para analisar a forma de materiais macios complexos importantes e prever seus comportamentos.

Foi publicado no npj Computational Materials , uma revista de acesso aberto da Nature , e não apenas promete permitir novas descobertas em biomateriais, mas também destaca a crescente importa¢ncia de big data, inteligaªncia artificial e ciência computacional na engenharia química.

Essas inovações assistidas por computador são essenciais para o progresso em vários campos, disse Deshmukh. "Existem problemas cienta­ficos de longa data que não podem ser resolvidos pelos manãtodos existentes, então resolver problemas e desenvolver novos manãtodos andam de ma£os dadas."

Os pesquisadores desenvolveram seu manãtodo de "aprendizagem profunda" para trabalhar com os chamados "materiais macios".

No aprendizado profundo, os sistemas de inteligaªncia artificial são treinados para reconhecer padraµes, trabalhar em problemas e executar tarefas - com ou sem supervisão humana. Os materiais macios podem incluir la­quidos, polímeros, glicomateriais, espumas, ganãis e a maioria dos materiais biola³gicos macios. Eles são usados ​​em uma ampla gama de produtos e aplicações, desde cremes dentais, lubrificantes e telas de cristal la­quido atésistemas de entrega de medicamentos e suportes de tecidos. Mas os manãtodos computacionais tradicionais de análise e previsão de seus comportamentos, especialmente polímeros, tem utilidade limitada, dificultando o progresso em seu desenvolvimento.

Para ajudar a quebrar esse impasse, os pesquisadores trabalharam com um tipo de polímeros ramificados e semelhantes a a¡rvores chamados "escovas de garrafa". Sua inspiração veio das biomolanãculas, cujas formas diferentes determinam suas funções. Sintetiza¡-los no laboratório pode levar a novos tratamentos médicos e outras aplicações da indaºstria, disse Deshmukh. Mas isso pode ser difa­cil porque os polímeros mudam de forma rapidamente, dependendo da temperatura e de outros fatores. Sem uma maneira eficiente e precisa de analisar e prever essasmudanças, édifa­cil criar versaµes sintanãticas.

Seu novo processo usa um conhecido sistema de aprendizado profundo chamado Rede Neural Convolucional, ou CNN, para identificar e prever semelhanças em forma e função nos polímeros osalgo que não pode ser feito sem a assistaªncia do computador.

A aplicação de inteligaªncia artificial a esse problema de polímeros é“inovadora porque mostra o potencial de manãtodos de aprendizado profundo no campo de materiais macios”, disse Deshmukh. "Então, em princa­pio, se entendermos como as formas estãomudando, esperamos poder controla¡-las."

Para provar que seu manãtodo funcionaria, Joshi executou 100 modelos exclusivos da CNN, ensinando o sistema a identificar escovas de garrafa com formas semelhantes. O projeto foi desafiador, não apenas porque exigia um trabalho meticuloso para ensinar ao modelo quais dados e recursos procurar nos polímeros, mas também porque os pesquisadores não sabiam imediatamente quais recursos eram relevantes. Eles tinham que descobrir isso primeiro.

O desenvolvimento dos modelos levou mais de um ano, disse Deshmukh. “Singh e Joshi fizeram um trabalho fanta¡stico ao identificar o processamento dos dados relevantes e depois refina¡-lo ainda mais para garantir que o modelo da CNN receba as informações corretas”.

"A maior parte do brainstorming inicial sobre quais recursos usar foi realizada pelo Dr. Singh e pelo Dr. Deshmukh, que ajudaram a eliminar muitas opções des favoráveis ", disse Joshi. "Isso nos ajudou a focar em nossa metodologia atual, que usei para codificar e incorporar em nosso algoritmo de análise."

Os resultados tem sido muito promissores, disse Joshi, e a equipe espera expandir o uso da técnica no crescente campo de glicomateriais osmateriais macios a  base de carboidratos produzidos por todos os organismos vivos.

Esses materiais macios contem cadeias de açúcares, chamados glicanos, que desempenham papanãis cra­ticos na saúde e na doena§a. Dos quatro blocos de construção da vida osglicanos, protea­nas, lipa­dios e a¡cidos nucleicos osos glicanos são os mais complexos e os mais difa­ceis de entender. Mas a CNN poderia estimular o progresso nessa área.

“Assim, assim como criamos essas estruturas de escova de garrafa para polímeros sintanãticos, hámuitas arquiteturas que podem ser criadas usando glicomateriais e polímeros como esses glicanos”, disse Deshmukh.

"Planejamos ajudar nossos colaboradores a projetar novos tipos de glicomateriais que podem ser usados ​​para aplicações biomédicas", disse Deshmukh. "a‰ realmente emocionante."

Esta pesquisa também aponta para a crescente importa¢ncia da ciência de dados e do aprendizado de ma¡quina na engenharia química, disse o chefe do departamento, Steven Wrenn.

“a‰ importante que nossos graduados saibam como trabalhar com cientistas de dados e usar modelagem computacional em seu pra³prio trabalho”, disse Wrenn. "Este treinamento tornara¡ nossos alunos muito mais atraentes para empregadores e programas de pós-graduação."

Na verdade, o departamento estãotrabalhando em uma nova faixa de estudo de ciência computacional e de dados, que, se aprovada, treinara¡ alunos de graduação para aplicar ciência da computação a  engenharia química. Deshmukh estãoenvolvido no desenvolvimento da trilha de estudo.

“Treinar um engenheiro qua­mico que vai trabalhar em uma fa¡brica química em ciência de dados e inteligaªncia artificial os torna um ativo real”, disse Deshmukh. "Porque eles va£o ajudar a resolver problemas na indústria química que realmente não podem ser resolvidos usando manãtodos tradicionais."