Extração de informações de artigos científicos usando processamento de linguagem natural: rumo ao design de células a combustível de óxido sólidas

• Processo: 24/13738-2
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2024
• Data de Término da vigência: 31 de dezembro de 2025
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Amauri Jardim de Paula
• Beneficiário: André de Araújo Caetano
• Instituição Sede: Centro Nacional de Pesquisa em Energia e Materiais (CNPEM). Campinas , SP, Brasil
• Vinculado ao auxílio: 23/09820-2 - Design de materiais: dos materiais quânticos às aplicações em energia, AP.TEM
• Assunto(s): Células de combustível Aprendizado computacional Processamento de linguagem natural
• Palavra(s)-Chave do Pesquisador: fuel cells | machine learning | natural language processing | solid oxide | Informática de Materiais

Resumo

O século XXI trouxe desafios complexos para o domínio da ciência dos materiais, porém com perspectivas notáveis. Vivemos um período de transformação catalisado por uma crescente procura global por tecnologias sustentáveis e soluções inovadoras. A evolução de novos materiais não só impulsiona o progresso, mas também resulta em inovação em diversos setores, incluindo o eletrônico, aeroespacial, construção e assistência médica. Historicamente, a busca por materiais inovadores e suas aplicações práticas dependeu por muito tempo dos métodos laboratoriais com a abordagem de tentativa e erro de Thomas Edison, envolvendo extensa pesquisa empírica experimental e uma utilização substancial de recursos. No entanto, o panorama da pesquisa em materiais tem sido significativamente redefinido pelo profundo impacto das ferramentas computacionais e, mais notavelmente, pela integração de modelos de aprendizado de máquina (machine learning - ML). Esta fusão de ML com ciência de materiais apresenta uma oportunidade notável para agilizar a exploração, o avanço e o ajuste fino de materiais com um grau incomparável de precisão e eficiência. Entretanto, faltam bancos de dados curados e precisos com dados experimentais que possam servir de input para o treinamento de modelos de ML. Neste contexto as ferramentas de processamento de linguagem natural (NLP) têm emergido com a solução mais eficiente para extrair informações relevantes da literatura científica e estruturá-las em banco de dados. Na área de células a combustível, existem dezenas de milhares de artigos científicos com informações que, em tese, poderiam treinar modelos estatísticos (ML) que permitiriam estabelecer uma plataforma de design para estes materiais. Esta plataforma poderia acelerar, por exemplo, o desenvolvimento de catalisadores eficientes e duráveis. Assim, este projeto busca explorar as ferramentas de NLP para processar, analisar e extrair informações de artigos científicos na área de materiais para células a combustível. Ao preencher a lacuna entre o vasto corpus da literatura científica e o conhecimento prático, pretendemos agilizar a descoberta e avanço de materiais para células a combustível, contribuindo assim no campo das energias limpas.