A intenção é produzir receitas reproduzíveis de fabricação, e não apenas compostos previstos por computador. Entre as aplicações visadas estão materiais para tecnologias além do silício e para computação quântica, eletrocatalisadores duráveis relevantes para a produção de hidrogênio limpo e revestimentos resistentes à corrosão.

Catalisadores: filtrar primeiro, testar depois

Outro projeto, liderado pela A*STAR — a Agência de Ciência, Tecnologia e Pesquisa de Singapura — em parceria com o Imperial College London, desenvolverá um modelo fundamental de ciência de superfícies e uma plataforma em nuvem.

A ferramenta deverá prever propriedades de catalisadores e condições de síntese, ajudando a buscar opções para combustíveis mais limpos, matérias-primas derivadas de CO₂ e produtos químicos de origem biológica. A descrição principal do programa estabelece como meta uma aceleração de 500 vezes na triagem computacional. Por isso, afirmações de que o processo seria “quase cinco vezes mais rápido e barato” devem ser tratadas com cautela, a menos que se refiram a uma métrica diferente de desenvolvimento posterior.

Como a IA será testada em softwares críticos

NUS e Imperial também estão desenvolvendo ferramentas de raciocínio sobre programas capazes de analisar, testar, verificar formalmente e demonstrar a correção de softwares. Em códigos sem documentação adequada, os pesquisadores pretendem usar formas menos formais de raciocínio para interpretar seu funcionamento.

Os testes devem incluir softwares de maior consequência, como protocolos de rede e componentes do kernel do Linux. Um dos objetivos é permitir que agentes de IA auditem códigos produzidos por outros sistemas de IA — uma tentativa de enfrentar o problema da confiabilidade do software gerado automaticamente.

Biomedicina: reunir várias camadas de dados

Na área biomédica, o MultiOmicsFM, projeto da NUS com a A*STAR, foi planejado como um modelo fundamental capaz de interpretar conjuntamente dados de DNA, RNA e atividade gênica. O trabalho utilizará conjuntos de dados multiétnicos de Singapura para apoiar pesquisas sobre risco de doenças e a otimização de terapias de mRNA.

Já o projeto BloodCounts! pretende treinar o modelo DeepCBC com todos os parâmetros brutos do hemograma, combinados com imagens de esfregaços sanguíneos. A ideia é extrair mais informação diagnóstica de um exame comum e apoiar a previsão de condições como risco de acidente vascular cerebral e câncer.

Isso não significa que um exame de sangue já possa diagnosticar essas doenças automaticamente. O objetivo descrito é desenvolver e avaliar um modelo capaz de encontrar sinais adicionais nos dados, em um projeto ainda em pesquisa.

Agricultura e resiliência climática

NUS e a Universidade de Illinois desenvolverão gêmeos digitais agrícolas orientados por conhecimento. Esses sistemas serão representações virtuais de áreas agrícolas do Sudeste Asiático, combinando dados observados com princípios da ciência das culturas.

A expectativa é gerar previsões interpretáveis e ferramentas de decisão para orientar plantio, uso de recursos e cadeias de abastecimento. A proposta, portanto, não é depender apenas de previsões opacas, mas também incorporar o conhecimento agronômico que ajuda a explicar por que uma recomendação foi feita.

Um portfólio que atravessa várias áreas

Os oito projetos também incluem interfaces projetadas por IA para melhorar o transporte de energia. No conjunto, o portfólio abrange materiais, computação, genômica, software, agricultura, energia e análise de sangue — em vez de concentrar o AI4S em um único setor.

A lógica estratégica do AI4S

Fechar o ciclo entre computador e laboratório

A IA pode sugerir materiais, moléculas, experimentos ou códigos promissores. Mas laboratórios automatizados, triagens em larga escala, medições e verificação formal são necessários para determinar o que pode ser fabricado, o que é seguro e o que realmente funciona.

O Materials Data Foundry representa melhor essa abordagem de ciclo fechado: o modelo faz sugestões, o sistema executa experimentos, os resultados retornam ao modelo e as próximas decisões são aperfeiçoadas com base em evidências reais.

Formar cientistas “bilíngues”

O AI4S também pretende formar pesquisadores “bilíngues”: profissionais que dominem tanto a IA quanto áreas como ciência dos materiais, ciências da vida e ciência quântica. A lógica é que perguntas científicas, qualidade dos dados e limitações experimentais influenciem o desenvolvimento dos modelos desde o início — e não apenas depois que o sistema já estiver pronto.

Reforçar a posição internacional de Singapura

Com financiamento da NRF, colaboração internacional baseada no programa CREATE — Campus for Research Excellence and Technological Enterprise —, infraestrutura digital e experimental compartilhada, ferramentas abertas e participação industrial, Singapura busca se consolidar como um ponto de encontro para pesquisa orientada por IA e sua transferência para aplicações.

Os dois programas liderados pelo Imperial, por exemplo, são sediados pelo Imperial Global Singapore no CREATE e foram concebidos para permitir o acesso de pesquisadores de diferentes países.

O principal teste para o AI4S será mostrar resultados validados e escaláveis: protocolos de fabricação, catalisadores, evidências para apoio à decisão clínica e softwares confiáveis. A medida do sucesso não será apenas fazer modelos preverem mais rápido, mas provar que essas previsões conseguem sobreviver ao laboratório e chegar a tecnologias úteis.

A intenção é produzir receitas reproduzíveis de fabricação, e não apenas compostos previstos por computador. Entre as aplicações visadas estão materiais para tecnologias além do silício e para computação quântica, eletrocatalisadores duráveis relevantes para a produção de hidrogênio limpo e revestimentos resistentes à corrosão.

Catalisadores: filtrar primeiro, testar depois

Outro projeto, liderado pela A*STAR — a Agência de Ciência, Tecnologia e Pesquisa de Singapura — em parceria com o Imperial College London, desenvolverá um modelo fundamental de ciência de superfícies e uma plataforma em nuvem.

A ferramenta deverá prever propriedades de catalisadores e condições de síntese, ajudando a buscar opções para combustíveis mais limpos, matérias-primas derivadas de CO₂ e produtos químicos de origem biológica. A descrição principal do programa estabelece como meta uma aceleração de 500 vezes na triagem computacional. Por isso, afirmações de que o processo seria “quase cinco vezes mais rápido e barato” devem ser tratadas com cautela, a menos que se refiram a uma métrica diferente de desenvolvimento posterior.

Como a IA será testada em softwares críticos

NUS e Imperial também estão desenvolvendo ferramentas de raciocínio sobre programas capazes de analisar, testar, verificar formalmente e demonstrar a correção de softwares. Em códigos sem documentação adequada, os pesquisadores pretendem usar formas menos formais de raciocínio para interpretar seu funcionamento.

Os testes devem incluir softwares de maior consequência, como protocolos de rede e componentes do kernel do Linux. Um dos objetivos é permitir que agentes de IA auditem códigos produzidos por outros sistemas de IA — uma tentativa de enfrentar o problema da confiabilidade do software gerado automaticamente.

Biomedicina: reunir várias camadas de dados

Na área biomédica, o MultiOmicsFM, projeto da NUS com a A*STAR, foi planejado como um modelo fundamental capaz de interpretar conjuntamente dados de DNA, RNA e atividade gênica. O trabalho utilizará conjuntos de dados multiétnicos de Singapura para apoiar pesquisas sobre risco de doenças e a otimização de terapias de mRNA.

Já o projeto BloodCounts! pretende treinar o modelo DeepCBC com todos os parâmetros brutos do hemograma, combinados com imagens de esfregaços sanguíneos. A ideia é extrair mais informação diagnóstica de um exame comum e apoiar a previsão de condições como risco de acidente vascular cerebral e câncer.

Isso não significa que um exame de sangue já possa diagnosticar essas doenças automaticamente. O objetivo descrito é desenvolver e avaliar um modelo capaz de encontrar sinais adicionais nos dados, em um projeto ainda em pesquisa.

Agricultura e resiliência climática

NUS e a Universidade de Illinois desenvolverão gêmeos digitais agrícolas orientados por conhecimento. Esses sistemas serão representações virtuais de áreas agrícolas do Sudeste Asiático, combinando dados observados com princípios da ciência das culturas.

A expectativa é gerar previsões interpretáveis e ferramentas de decisão para orientar plantio, uso de recursos e cadeias de abastecimento. A proposta, portanto, não é depender apenas de previsões opacas, mas também incorporar o conhecimento agronômico que ajuda a explicar por que uma recomendação foi feita.

Um portfólio que atravessa várias áreas

Os oito projetos também incluem interfaces projetadas por IA para melhorar o transporte de energia. No conjunto, o portfólio abrange materiais, computação, genômica, software, agricultura, energia e análise de sangue — em vez de concentrar o AI4S em um único setor.

A lógica estratégica do AI4S

Fechar o ciclo entre computador e laboratório

A IA pode sugerir materiais, moléculas, experimentos ou códigos promissores. Mas laboratórios automatizados, triagens em larga escala, medições e verificação formal são necessários para determinar o que pode ser fabricado, o que é seguro e o que realmente funciona.

O Materials Data Foundry representa melhor essa abordagem de ciclo fechado: o modelo faz sugestões, o sistema executa experimentos, os resultados retornam ao modelo e as próximas decisões são aperfeiçoadas com base em evidências reais.

Formar cientistas “bilíngues”

O AI4S também pretende formar pesquisadores “bilíngues”: profissionais que dominem tanto a IA quanto áreas como ciência dos materiais, ciências da vida e ciência quântica. A lógica é que perguntas científicas, qualidade dos dados e limitações experimentais influenciem o desenvolvimento dos modelos desde o início — e não apenas depois que o sistema já estiver pronto.

Reforçar a posição internacional de Singapura

Com financiamento da NRF, colaboração internacional baseada no programa CREATE — Campus for Research Excellence and Technological Enterprise —, infraestrutura digital e experimental compartilhada, ferramentas abertas e participação industrial, Singapura busca se consolidar como um ponto de encontro para pesquisa orientada por IA e sua transferência para aplicações.

Os dois programas liderados pelo Imperial, por exemplo, são sediados pelo Imperial Global Singapore no CREATE e foram concebidos para permitir o acesso de pesquisadores de diferentes países.

O principal teste para o AI4S será mostrar resultados validados e escaláveis: protocolos de fabricação, catalisadores, evidências para apoio à decisão clínica e softwares confiáveis. A medida do sucesso não será apenas fazer modelos preverem mais rápido, mas provar que essas previsões conseguem sobreviver ao laboratório e chegar a tecnologias úteis.