Parte VI · 2 — Física e Química

Onde a IA substitui simuladores caros e descobre materiais e moléculas — acelerando ciclos que antes levavam anos.

🎨 Figura F-VI.2 — Da equação ao material. Brief: à esquerda, um mapa de clima sendo previsto por uma rede (GraphCast); à direita, uma estrutura cristalina/molecular emergindo de difusão. Paleta do Compêndio.

2.1 Física — IA como simulador

• Clima/tempo: GraphCast (DeepMind), PanGu-Weather, FourCastNet — previsões

  mais rápidas e competitivas com simuladores numéricos.

• PINNs (Physics-Informed Neural Networks) e operadores de Fourier —

  resolvem EDPs aprendendo a física.

• Materiais: GNoME (DeepMind, descoberta massiva de cristais estáveis),

  MACE, MatterGen (geração de materiais por difusão).

2.2 Química — moléculas

• Representações/modelos: ChemBERTa, MolFormer.
• Geração molecular: EDM / GeoDiff (difusão sobre estruturas 3D).
• Liga-se às GNNs (cap. 11) — moléculas são

  grafos — e à difusão (cap. 02).

Padrão: estruturas (grafos/3D) + verificação física (simulação) = recompensa para gerar candidatos úteis. A mesma receita "dados + verificação" da Parte V.