Uma nova ferramenta de acesso aberto desenvolvida por pesquisadores de engenharia da Universidade de Toronto está preparada para revolucionar a forma como os cientistas navegam no mundo em rápida expansão das estruturas metal-orgânicas (MOFs). Esses materiais versáteis, valorizados por sua área superficial ultra-alta e química ajustável, possuem imenso potencial em campos que vão desde a distribuição de medicamentos e catálise até a captura de carbono. No entanto, acompanhar o volume acelerado de pesquisas sobre MOF tornou-se um grande desafio – um desafio que esta nova ferramenta, denominada MOF-ChemUnity, aborda diretamente.
A promessa e a complexidade dos MOFs
As estruturas metal-orgânicas destacam-se pela sua excepcional área superficial – algumas variantes chegam a 7.000 m²/g, o que significa que um único grama contém superfície interna suficiente para cobrir um campo de futebol. Esta estrutura única permite uma ampla gama de aplicações. Os MOFs podem atuar como peneiras moleculares, capturando seletivamente dióxido de carbono de misturas de gases, ou como sensores, detectando vestígios de moléculas. Suas propriedades catalíticas podem acelerar reações industriais, enquanto sua estrutura porosa permite a liberação controlada do medicamento.
A importância dos MOFs foi recentemente sublinhada pelo Prémio Nobel de Química de 2025. No entanto, o simples crescimento da investigação – abrangendo mais de 25 domínios de aplicação – criou um estrangulamento de conhecimento, dificultando tanto os investigadores humanos como as ferramentas de IA concebidas para os ajudar.
Apresentando MOF-ChemUnity: um gráfico de conhecimento estruturado
A equipe do professor Mohamad Moosavi do Departamento de Engenharia Química e Química Aplicada e do Vector Institute desenvolveram o MOF-ChemUnity para superar esse desafio. A ferramenta funciona como um gráfico de conhecimento estruturado e escalonável que extrai e vincula sistematicamente informações de artigos de pesquisa MOF, repositórios de estruturas cristalinas e bancos de dados de materiais computacionais.
Em sua essência, o MOF-ChemUnity emprega um fluxo de trabalho multiagente de modelo de linguagem grande (LLM) para conectar nomes químicos na literatura científica às suas estruturas cristalinas correspondentes. Isso permite que procedimentos de síntese, propriedades de materiais e aplicações potenciais sejam representados em um formato consistente e legível por máquina.
“A descoberta científica começa com a leitura e síntese da literatura, mas esta continua a ser uma das etapas mais difíceis de automatizar”, explica Moosavi. “O MOF-ChemUnity cria uma base unificada sobre a qual tanto os pesquisadores quanto os sistemas de IA podem construir.”
Reduzindo “alucinações” de IA por meio de literatura fundamentada
A equipe demonstrou o impacto de seu sistema integrando o gráfico de conhecimento com LLMs para criar um assistente de IA baseado na literatura para MOFs. Ao contrário dos sistemas padrão de IA, propensos a gerar declarações plausíveis, mas incorretas (“alucinações”), este assistente baseia-se em registos experimentais e computacionais verificados.
Em avaliações cegas conduzidas por especialistas do MOF, as respostas do assistente foram consistentemente classificadas como mais precisas, interpretáveis e confiáveis do que aquelas produzidas por LLMs de base como o GPT-4o. Ao fundamentar as respostas da IA em literatura selecionada e vinculada, o sistema reduz significativamente o risco de raciocínio científico não confiável.
“Esta abordagem reduz a alucinação, que é um dos principais obstáculos na aplicação de grandes modelos de linguagem a domínios científicos”, diz Moosavi.
Acesso aberto e implicações futuras
A equipe da U of T – liderada por Moosavi, ao lado dos principais contribuidores Thomas Pruyn e Amro Aswad – disponibilizou abertamente o conjunto de dados e o código no GitHub, promovendo o progresso contínuo na ciência dos materiais e na pesquisa orientada por IA.
Moosavi vê o MOF-ChemUnity como um trampolim para uma mudança mais ampla na forma como o conhecimento científico é organizado e acessado. A ferramenta quebra silos na investigação, permitindo que os sistemas de IA processem dados em vários campos, excedendo as limitações dos investigadores humanos.
“Os investigadores humanos estão limitados pelo número de artigos que podem ler, mas o MOF-ChemUnity dá um primeiro passo no sentido de permitir sistemas de IA que possam processar dados em vários campos. Estabelece um novo paradigma para a descoberta baseada na literatura.”
Este trabalho não só acelera a descoberta de materiais, mas também estabelece as bases para sistemas de conhecimento generalizado que podem revolucionar a investigação em múltiplas disciplinas científicas.
