A IA do MIT ganhou um jeito novo de enxergar a matéria. Pesquisadores do instituto criaram um modelo multimodal que junta a estrutura dos átomos em 3D com descrições escritas em linguagem comum para ajudar a encontrar materiais cristalinos, segundo reportagem do MIT News publicada em 18 de outubro de 2026. A proposta aproxima a descoberta de materiais com IA de algo bem mais simples: descrever em texto o que você precisa e receber sugestões coerentes com o pedido.
Parece um detalhe técnico, mas mexe num problema antigo. Modelos de linguagem aprendem lendo, enquanto um material é, no fundo, um arranjo de átomos no espaço. Ensinar a máquina a ler e a ver ao mesmo tempo é o que torna esse trabalho interessante. Principalmente para quem acompanha os rumos da inteligência artificial na ciência e quer entender o que eles podem significar para os negócios de tecnologia aqui no Brasil.
O tamanho do desafio ajuda a explicar a atenção que a pesquisa recebeu. De acordo com o MIT News, os materiais cristalinos, que têm átomos organizados de forma bem ordenada, formam mais de 90% dos sólidos da Terra. Ou seja, boa parte do que é sólido ao nosso redor entra nessa conta. O veículo também lembra que, na última década, a IA já vinha sendo usada para propor e desenhar novas estruturas cristalinas, em geral tratando esses materiais como grafos em três dimensões.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Só que os grandes modelos de linguagem tropeçavam em dois pontos. O primeiro é o formato dos dados: eles são treinados com texto corrido, não com geometria em 3D. Muitas estruturas possíveis, inclusive, estão guardadas em bancos de dados computacionais, e não em livros ou artigos. O segundo é um viés da própria literatura científica, que se concentra em poucas famílias populares de cristais. Resultado: as respostas tendiam a puxar sempre para os mesmos materiais conhecidos.
Como o modelo enxerga e lê ao mesmo tempo
A saída encontrada pela equipe foi criar um modelo de visão e linguagem voltado para cristais. O sistema aprende a relacionar a forma de uma estrutura atômica com o texto que a descreve, usando uma técnica chamada aprendizado contrastivo. Funciona assim: o modelo compara exemplos parecidos e diferentes de estruturas e descrições até formar uma compreensão única dos dois. O MIT News compara o processo a alinhar as regiões do cérebro ligadas à visão e à linguagem.
Uma imagem ajuda. Pense em como a gente reconhece uma cadeira: o olho vê o objeto, a cabeça puxa a palavra, e as duas coisas se conectam sem esforço. A ideia é dar à máquina essa mesma ponte, só que com átomos e ligações químicas no lugar de pernas e encosto.
Tem um detalhe esperto no caminho. Em vez de depender apenas de artigos publicados, os pesquisadores geraram descrições completas de cada material, combinando informações de trabalhos experimentais e de bancos de dados computacionais. Esses textos cobrem composição, estrutura, propriedades, cuidados no processamento e possíveis aplicações. Segundo o MIT News, a versão do modelo treinada com essas descrições aprendeu a alinhar geometria e texto, coisa que a versão treinada só com trechos de artigos não conseguiu.
Os resultados foram publicados na revista Nature Communications. Ao pedir ao sistema candidatos para eletrólitos de baterias de lítio em estado sólido, os pesquisadores encontraram entre os primeiros resultados materiais que já tinham sido apontados, de forma independente, como promissores. O modelo também superou uma referência de comparação ao receber pedidos em linguagem natural descrevendo uma propriedade desejada.
Ju Li, professor do MIT e um dos autores, compara o trabalho ao AlphaFold, a IA que liga a estrutura das proteínas à sua função e ajudou a avançar a pesquisa biológica e o desenvolvimento de medicamentos, conforme relata o MIT News. Para ele, conseguir ver um cristal em três dimensões e entender como seus átomos se conectam é algo fundamental para quem trabalha com ciência dos materiais. Elsa Olivetti, também professora do instituto e coautora, afirmou na reportagem esperar que a abordagem seja um daqueles saltos que mudam o patamar da área. O primeiro autor do estudo é Yang Jeong Park, ex-pesquisador de pós-doutorado do MIT.
O que esse bastidor sinaliza para tecnologia e negócios no Brasil
Daqui em diante, entramos no campo da leitura de tendência, não do fato. O estudo combina com um movimento que já vinha aparecendo no mercado: modelos que misturam vários tipos de dado, e não apenas texto. Para quem empreende ou trabalha com tecnologia, isso abre algumas reflexões.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
- Dado bem organizado faz diferença. Pelo que a reportagem descreve, boa parte do avanço veio da forma como os dados foram descritos e estruturados. É razoável imaginar que empresas com bases próprias bem cuidadas tenham vantagem ao adotar IA.
- IA vertical pode ganhar espaço. Modelos genéricos ajudam, mas soluções pensadas para um setor específico tendem a entregar respostas mais úteis.
- Energia e baterias aparecem como área de interesse. O teste com eletrólitos dá uma pista de onde ferramentas desse tipo podem ser aplicadas primeiro.
Para a inovação tecnológica no Brasil, o recado é mais estratégico do que imediato. Quem já aplica inteligência artificial na otimização de negócios pode olhar para esse tipo de pesquisa como um sinal de para onde as ferramentas devem evoluir. E, para quem está começando, faz sentido entender como a automação de negócios em startups já usa IA no dia a dia antes de pensar em projetos mais ambiciosos.
Um cuidado importante: estamos falando de pesquisa acadêmica, e a reportagem não menciona nenhum produto comercial. Os autores dizem acreditar que a abordagem funciona com muitos tipos de cristal e esperam que outros cientistas a usem para acelerar seus próprios trabalhos. Até lá, dá para seguir de olho nos bastidores do setor, como na nossa matéria sobre parcerias que transformam a inovação com inteligência artificial.
