O cérebro humano funciona inteiramente à base de reações químicas e, no entanto, é frequentemente chamado o computador mais poderoso do mundo. O projeto CORENET, apoiado pela UE, testou se um princípio semelhante pode ser usado em laboratório: redes de reações químicas em reatores microfluídicos processaram dados e a inteligência artificial leu as respostas a partir delas. É uma área em que a química, a informática e a análise de dados se sentam à mesma mesa – e no fim podes verificar se esta forma de trabalhar combina contigo.
Quando as pessoas pensam em computadores, imaginam geralmente processadores, cabos e ecrãs. O material publicado pelo CORDIS parte de uma comparação diferente: o computador mais poderoso do mundo é o cérebro humano, e funciona inteiramente à base de reações químicas. Daí nasce a pergunta feita pelos investigadores do projeto europeu CORENET – pode a química servir de modelo para um tipo de computação completamente novo?
O projeto, apoiado pela UE e financiado pelo Conselho Europeu da Inovação, está a construir dispositivos de computação que imitam o cérebro. Neles, a informação é processada por redes de reações químicas, conhecidas como CRN. As moléculas tornam-se portadoras de dados, e a forma como se transformam passa a ser a forma como esses dados são processados. O trabalho faz parte de um esforço mais amplo dos projetos financiados pela UE para fazer avançar a aprendizagem automática.
Wilhelm Huck, professor e líder da equipa do CORENET na Radboud University, nos Países Baixos, explica a ideia: «Inspirámo-nos no cérebro humano, que é ele próprio um processador químico. Por isso, propusemo-nos demonstrar que redes de reações dinâmicas, contidas em ambientes microfluídicos, conseguem executar tarefas computacionais de alto nível.»
A técnica usada pelos cientistas chama-se reservoir computing. A equipa implementou-a em chips microfluídicos – minúsculos reatores por onde fluem substâncias químicas. O ponto de partida é uma camada química de entrada composta por:
Em conjunto, estes elementos formam o reservatório (reservoir). As reações partem de moléculas de partida simples, com um ou dois átomos de carbono, e depois ampliam o espaço químico, gerando dezenas de compostos estruturalmente mais complexos.
O ponto essencial é que o resultado das reações não é aleatório. As condições de entrada estão correlacionadas com a composição dos produtos, pelo que configurações diferentes no início dão um padrão de moléculas diferente no fim. Esta resposta química pode depois ser analisada.
É aqui que entram a inteligência artificial e a aprendizagem automática. Os algoritmos extraem informação relevante da resposta química. Na prática, as reações fazem parte do trabalho computacional, e as ferramentas de IA ajudam a ler o que isso significa.
Um resultado central foi o desenvolvimento e a automatização bem-sucedidos de fluxos de trabalho de reservoir computing químico. As entradas químicas que fluem por reatores microfluídicos produziram saídas não lineares, que foram analisadas e interpretadas para resolver tarefas de classificação e de previsão – o tipo de problemas familiar a quem já trabalhou com aprendizagem automática.
Os investigadores estabeleceram também protocolos para controlar, monitorizar e orientar estas redes de reações. Segundo o material, trata-se de um passo significativo rumo a uma computação escalável baseada em moléculas.
Os resultados foram descritos num artigo de referência na «Nature» intitulado «Chemical reservoir computation in a self-organizing reaction network». Mostrou como as reações da formose e sistemas relacionados podem atuar como substratos de computação molecular. Está a ser finalizado um trabalho de seguimento: pretende mostrar que o conceito pode ser generalizado, com um computador de reservoir de bom desempenho construído sobre uma rede de reações recém-desenvolvida.
O CORENET mostra como as fronteiras entre áreas de estudo estão a esbater-se. O coordenador do projeto, Andres de la Escosura, professor associado na Universidade Autónoma de Madrid, sublinha que o sucesso resultou do trabalho conjunto de muitas especializações: «Ficámos entusiasmados com o sucesso da abordagem e com a forma como o nosso extraordinário grupo de cientistas académicos e da indústria se uniu para enfrentar este grande desafio de combinar química de sistemas, microfluídica, metabolómica e IA.»
Para quem está a escolher um curso ou uma especialização, há aqui algumas lições. Um químico que domine a análise de dados pode acabar numa equipa que trabalha no futuro da computação. Um informático ou especialista em aprendizagem automática pode encontrar trabalho interessante onde os dados não vêm de um ecrã, mas de um microrreator. Vale a pena notar também que cientistas académicos e da indústria trabalharam lado a lado, pelo que a investigação deste tipo não fica fechada dentro das paredes das universidades.
Olhando para aquilo em que a equipa trabalhou, várias áreas do conhecimento encontram-se todos os dias em projetos como este: química das reações e catálise, microfluídica, análise de misturas químicas e aprendizagem automática. Ninguém tem de dominar todas ao mesmo tempo, mas é mais fácil encontrar o teu lugar numa equipa assim se perceberes a linguagem das áreas vizinhas.
O CORENET é uma tentativa de construir dispositivos de computação em que as reações químicas processam informação, seguindo o exemplo do cérebro humano. Os investigadores mostraram que as redes de reações em reatores microfluídicos produzem respostas que a inteligência artificial pode transformar em soluções para tarefas de classificação e de previsão. Um trabalho como este precisa de pessoas de áreas diferentes, da química de sistemas à IA.
Este artigo baseia-se em material publicado pelo serviço CORDIS da Comissão Europeia.
5 perguntas · um minuto
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文