Jonathan Bean, CEO & Co-Founder of Materials Nexus – Série de Entrevistas

Jonathan Bean é o CEO & Co-Founder da Materials Nexus. Com formação em ambos os lados teórico e prático da engenharia de materiais, Jonathan foi rápido em identificar a oportunidade para uma nova plataforma de modelagem de materiais. Enquanto pesquisador na Universidade de Cambridge, ele fundou a Materials Nexus para acelerar a adoção de novos materiais para combater a crise climática.

A pesquisa de PhD de Jonathan na Universidade de York foi sobre técnicas de modelagem avançadas para materiais policristalinos.

Além de seu papel na Materials Nexus, Jonathan é mentor do Global Talent Mentoring e do Leaders in Innovation Fellowships, realizado pela Royal Academy of Engineering. Ele também ensina Ciência de Materiais para Engenheiros no Trinity College, Cambridge, e é um Visiting Fellow na London South Bank University.

Materials Nexus é uma empresa que usa IA para criar materiais superiores mais rápido do que nunca.

Pode compartilhar a história por trás da fundação da Materials Nexus? O que inspirou a criação da empresa e seu foco em descoberta de materiais impulsionada por IA?

Ultimamente, o limite do que pode ser construído são os materiais usados para construí-lo; essa foi a minha motivação para estudar ciência de materiais. Durante meu tempo na Universidade de Cambridge, trabalhando com meu co-fundador Robert Forrest, o desejo de fazer nossa pesquisa ir mais rápido inspirou nossa mudança para o desenvolvimento de algoritmos de aprendizado de máquina. Isso se tornou a base da tecnologia da Materials Nexus.

Ficou claro que essa pesquisa poderia ter um impacto positivo no mundo e que sua adoção precisava ser acelerada. Da mesma forma, o desempenho dos produtos é limitado pelos materiais, assim como o nosso progresso em direção à neutralidade de carbono. Isso nos inspirou a fundar o negócio.

Uma força motriz para nós como empresa é melhorar o estado do mundo, ambientalmente, geopoliticamente e eticamente. Nosso objetivo é revolucionar a indústria de materiais, projetando materiais novos que atendam às demandas crescentes por sustentabilidade e desempenho.

Pode explicar como a IA está transformando o processo de descoberta de materiais, particularmente no contexto da Materials Nexus?

Da mesma forma como a IA impactou o processo de descoberta de drogas, ela também está fundamentalmente mudando a descoberta de materiais; transformando o que é normalmente uma abordagem baseada em tentativa e erro em um processo de design baseado em intenção. Mas, ao contrário da pesquisa farmacêutica, há a complexidade adicionada e um espaço de busca mais amplo em toda a tabela periódica. Na Materials Nexus, estamos olhando para toda a escala de comprimento, desde o nível quântico até o bulk – isso significa que estamos não apenas aproveitando a mecânica quântica para previsão de composição, mas também modelando técnicas de processamento e síntese. Isso nos permite não apenas identificar, mas também produzir fisicamente materiais de alto desempenho com precisão, em questão de meses, em vez de décadas, acelerando significativamente o processo de P&D.

Quais são os principais benefícios de usar IA em vez de métodos tradicionais de tentativa e erro no desenvolvimento de novos materiais?

Usar IA para descoberta de materiais oferece vários benefícios: velocidade, eficiência de custo e sustentabilidade sendo os principais. Nossa plataforma impulsionada por IA pode analisar vastos conjuntos de dados e prever propriedades de materiais com precisão, tudo antes de entrar em um laboratório, tornando o processo eficaz em termos de custo e menos desperdiçador, pois minimiza a necessidade de experimentos caros e intensivos em recursos. Isso também significa que processos que normalmente levam dias em um laboratório podem ser feitos em horas em nossa plataforma.

Isso ultimate desbloqueia um novo conjunto de oportunidades com design de material “direcionado” versus descoberta. É possível incorporar qualquer conjunto de dados ou parâmetro de material, como emissões de CO2, custo ou peso, e procurar por composições para atender a essas necessidades específicas, virando o processo de “descoberta” de cabeça para baixo.

Qual é o papel da IA e do aprendizado de máquina na redução do impacto ambiental da produção de materiais?

Aproveitar a IA e o aprendizado de máquina desbloqueia um vasto novo conjunto de oportunidades de materiais por meio da fase de descoberta. No nível de produção, o impacto disso é duplo; primeiro é a composição elementar dos materiais em si, segundo são as condições de processamento dos materiais. A descoberta de materiais impulsionada por IA pode excluir elementos específicos que têm um alto custo ambiental (por exemplo, elementos terras raras) ou reduzir seu percentual de composição. Também pode ser usada para olhar para técnicas de processamento (por exemplo, a temperatura, pressão ou pureza de minério) necessárias para fazer o material e identificar métodos de baixa energia. Esses dois aspectos podem ter um impacto significativo nas emissões primárias da produção de materiais. No entanto, é importante notar que o impacto ambiental vai além da produção sozinha. A aplicação de materiais superiores, tanto de alto desempenho quanto mais baratos, pode ter um impacto positivo enorme no ambiente, tornando tecnologias sustentáveis mais acessíveis (por exemplo, carros elétricos mais baratos), mais eficientes (por exemplo, melhores chips de computador para IA) e menos tóxicos em sua eliminação no final da vida (por exemplo, substituindo hidrofluorocarbonos).

Como a Materials Nexus conseguiu criar um ímã livre de terras raras em apenas três meses, e quais são as implicações dessa descoberta?

Nossa plataforma foi capaz de analisar mais de 100 milhões de composições potenciais de ímãs livres de terras raras, tudo antes de entrar em um laboratório. Isso significou que, quando progredimos para a fase de síntese, já tínhamos uma previsão precisa da composição e de suas propriedades.

As implicações desse ímã são significativas: a descoberta vai além da descoberta desse material singular e sinaliza a transformação de processos de design de materiais centenários. À medida que nossa plataforma se torna mais desenvolvida e inteligente, seremos capazes de prever composições ainda mais rapidamente e em várias áreas de materiais. Com 10¹⁰⁰ composições de elementos na tabela periódica, as possibilidades são infinitas.

A IA pode potencialmente substituir metais terras raras em outras aplicações além de ímãs?

A descoberta de materiais impulsionada por IA tem o potencial de identificar e desenvolver materiais alternativos para uma ampla gama de aplicações além de ímãs. Nesse caso, o objetivo era encontrar uma composição de ímã alternativa que removesse os elementos terras raras, mas nossos algoritmos de busca de aprendizado de máquina são projetados para ser aplicados a qualquer classe de materiais. Isso significa que estamos construindo uma plataforma universal de design de materiais.

Atualmente, as capacidades de nossa plataforma estão focadas em ligas e cerâmicas, com um foco particular em materiais funcionais para aplicações em tecnologias verdes de alto impacto, como motores elétricos, semicondutores, supercondutores e hidrogênio verde, para citar alguns.

Como a colaboração entre a Materials Nexus, o Henry Royce Institute e a Universidade de Sheffield melhora o desenvolvimento de novos materiais?

Nossas colaborações com parceiros estratégicos-chave em todo o ecossistema de inovação do Reino Unido, como o Henry Royce Institute e a Universidade de Sheffield, fornecem acesso a instalações e expertise de classe mundial em áreas especializadas de ciência de materiais. Essas parcerias nos permitem acelerar a síntese e o teste de nossas previsões.

Quais outros setores podem se beneficiar da descoberta de materiais impulsionada por IA, e como?

A descoberta de materiais impulsionada por IA pode impactar todas as classes de materiais. Na Materials Nexus, nos concentramos em materiais que são considerados alguns dos mais difíceis e caros para progredir e melhorar, pois eles têm o potencial de fazer o maior impacto positivo. Todas as indústrias serão afetadas: energia, aviação, supercomputação, transporte, para citar algumas. Por exemplo, no setor de energia, a IA pode ajudar a desenvolver materiais mais eficientes e sustentáveis para baterias e células solares. Na supercomputação, pode levar à criação de novos materiais semicondutores que melhorem a capacidade de armazenamento e processamento de dados. Ao permitir o desenvolvimento rápido de materiais de alto desempenho, a IA pode impulsionar a inovação e a sustentabilidade em quase todas as indústrias.

Quais avanços futuros em IA para a ciência de materiais podemos esperar ver, e como eles afetarão várias indústrias?

Nosso trabalho continuará a empurrar os limites do que é possível, e estamos dedicados a quebrar essas barreiras. Materiais superiores significam inovação superior para atender às demandas dos desafios de amanhã. O futuro é limitado apenas pela nossa imaginação.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Materials Nexus.