AI global em Material Discovery Market Size, Share, and Trends Analysis Report – Visão geral da indústria e previsão para 2033

O que é a IA em Material Discovery Market Tamanho e taxa de crescimento

• De acordo com a análise da Data Bridge Market Research, a IA no mercado de descoberta de materiais foi avaliada em740,10 milhões de USD em 2025e é projetado para alcançar5 605,53 milhões de USD em 2033, crescendo emCAGR de 28,80% de 2026 a 2033.
• O mercado está experimentando um rápido crescimento impulsionado pela crescente demanda de materiais avançados, avanços na inteligência artificial e aprendizagem de máquinas, e expansão de aplicações em tecnologia de baterias, semicondutores, produtos químicos, aeroespacial e pesquisa farmacêutica.
• A crescente necessidade de acelerar o desenvolvimento do material, reduzir os custos de pesquisa e melhorar o desempenho do material é obrigar fabricantes, instituições de pesquisa e empresas de tecnologia a adotar plataformas de descoberta com IA. A aprendizagem de máquinas, a IA gerativa e a modelagem preditiva estão transformando a experimentação tradicional de testes e erros, permitindo uma triagem mais rápida de materiais, predição de propriedades e a identificação de materiais inovadores para armazenamento de energia, eletrônica e aplicações industriais.

Tamanho e previsão do mercado

• Valor de mercado global (2025): USD 740,10 milhões
• Valor de mercado previsto (2033): USD 5 605.53 Milhões
• Previsões CAGR (2026-2033): 28,80%
• Região líder em 2025: América do Norte
• Região de crescimento mais rápido: Ásia Pacífico

Quais são as principais takeaways da IA no Mercado de Descoberta de Materiais

• A América do Norte dominou a IA no mercado de descoberta de materiais com a maior parcela de receita de 41,6% em 2025, apoiada por infraestrutura avançada de pesquisa de IA, fortes investimentos tecnológicos e colaboração entre universidades, instituições de pesquisa e empresas de ciências materiais.
• Asia-Pacific deve ser a região de crescimento mais rápido em um CAGR de 31,0% de 2026 a 2033, alimentado pela expansão da fabricação de semicondutores, aumento da produção de baterias e aumento dos investimentos em pesquisa de materiais movidos a IA
• O segmento de software liderou o mercado com 55,0% de participação em 2025, impulsionado pelo aumento da adoção de plataformas informáticas de materiais alimentados por IA, ferramentas de modelagem preditiva e software de simulação computacional.
• Os serviços são o tipo de componente de crescimento mais rápido, projetado para registrar um CAGR de 30,2%, refletindo o aumento da demanda por implementação especializada e expertise técnica.
• O segmento químico dominou a categoria tipo de material com uma participação de 30,0% de receita em 2025, liderada pelo aumento da adoção de IA para otimização de formulação química, desenvolvimento de catalisadores e descoberta de material especializado.
• O aprendizado de máquina representou 36,0% do market share em 2025, preferido pelo seu uso generalizado na predição de propriedades materiais, otimização de composição e triagem de candidatos.
• O segmento de descoberta de material de armazenamento de bateria e energia é a categoria de aplicação de crescimento mais rápido, com um CAGR de 32,2%, impulsionado pelo aumento da demanda por melhor desempenho da bateria, densidade de energia, velocidade de carregamento e segurança

Relatar Escopo e IA em Segmentação de Mercado de Descoberta de Materiais

Qual é a tendência chave na IA no mercado de descoberta de materiais

• A IA e os modelos de fundação generativos estão sendo cada vez mais adotados na descoberta de materiais para projetar novos compostos, prever propriedades do material e identificar materiais com características químicas, mecânicas e eletrônicas específicas, reduzindo a dependência de pesquisas convencionais de ensaios e erros.
• Por exemplo, em janeiro de 2025, a Nature publicou pesquisas sobre MatterGen, um modelo generativo de IA desenvolvido para projetar materiais inorgânicos com propriedades químicas, estruturais, mecânicas, eletrônicas e magnéticas direcionadas. O estudo demonstrou o potencial da IA generativa para acelerar a descoberta de novos materiais funcionais.
• Plataformas de IA estão permitindo aos pesquisadores explorar uma gama mais ampla de composições de materiais e acelerar a identificação de candidatos para baterias, semicondutores, células solares e aplicações industriais avançadas.
• A integração do aprendizado de máquina com simulações computacionais está melhorando a triagem de materiais potenciais antes da síntese laboratorial, ajudando pesquisadores a priorizar candidatos promissores e otimizar fluxos de trabalho de pesquisa.
• Laboratórios autônomos estão cada vez mais combinando algoritmos de IA, robótica e feedback experimental em tempo real para automatizar a síntese de material, caracterizar resultados e refinar experimentos subsequentes.
• Por exemplo, em outubro de 2025, Nature Materials publicou pesquisas sobre SCIGEN, um framework de IA generativo que incorpora restrições estruturais para descobrir materiais quânticos candidatos. O estudo gerou mais de 10 milhões de compostos inorgânicos e utilizou a triagem computacional para identificar estruturas promissoras, destacando avanços no projeto de materiais guiados por IA.
• À medida que os pesquisadores priorizam cada vez mais o desenvolvimento mais rápido de materiais, propriedades personalizadas de materiais e experimentação automatizada, espera-se que a adoção de IA geradora e plataformas de descoberta autônoma se expandam, fortalecendo o papel da IA em todo o ciclo de vida de pesquisa e desenvolvimento de materiais.

Quais são os Principais Drivers da IA no Mercado de Descoberta de Materiais

• A crescente demanda de materiais avançados em baterias, semicondutores, energias renováveis e aeroespacial aumentou significativamente a necessidade de plataformas alimentadas por IA capazes de prever propriedades do material e identificar compostos promissores de forma mais eficiente.
• Por exemplo, em novembro de 2023, a Nature publicou pesquisas sobre o sistema de aprendizagem profunda GNoME do Google DeepMind, que identificou 2,2 milhões de estruturas de cristais potenciais, incluindo 381.000 materiais estáveis previstos, expandindo o conjunto de candidatos para aplicações em baterias, semicondutores e outras tecnologias avançadas.
• Fabricantes, empresas de tecnologia e instituições de pesquisa estão integrando IA no desenvolvimento de materiais para reduzir o tempo de triagem computacional, melhorar a produtividade da pesquisa e acelerar o desenvolvimento de materiais com características de desempenho específicas da aplicação.
• Aumentar o acesso a bases de dados de materiais computacionais, algoritmos de aprendizado de máquina e computação de alto desempenho está permitindo aos pesquisadores analisar estruturas complexas de materiais e avaliar potenciais compostos antes de comprometer recursos para experimentos físicos.
• Por exemplo, em março de 2024, a Chemical Science, publicada pela Royal Society of Chemistry, relatou pesquisas utilizando triagem computacional guiada por IA e síntese laboratorial para descobrir duas novas fases de rutenato de cálcio, demonstrando o potencial da IA para acelerar a pesquisa de materiais inorgânicos e validação experimental
• Com as indústrias cada vez mais dependentes de materiais avançados para melhorar a eficiência energética, o desempenho eletrônico e as capacidades de fabricação, espera-se que as plataformas de descoberta orientadas por IA permaneçam importantes ferramentas para acelerar a inovação e reduzir os gargalos de desenvolvimento.

Que fatores estão desafiando o crescimento da IA no mercado de descoberta de materiais

• A descoberta de materiais baseados em IA requer acesso a conjuntos de dados grandes, confiáveis e padronizados, recursos computacionais significativos e expertise científica especializada para desenvolver modelos preditivos precisos e validar materiais propostos.
• Por exemplo, em março de 2023, a npj Computational Materials publicou uma revisão intitulada Small Data Machine Learning in Materials Science, destacando como conjuntos de dados de treinamento limitados podem restringir a precisão do modelo e aumentar o risco de sobreajustamento, criando desafios para a descoberta confiável de material orientado por IA.
• Dados experimentais inconsistentes, informações limitadas sobre tentativas de síntese mal sucedidas e diferenças entre previsões computacionais e resultados laboratoriais do mundo real podem reduzir a confiabilidade do modelo e restringir a adoção comercial.
• A necessidade de verificação experimental, interpretabilidade de modelo, infraestrutura especializada e integração com os fluxos de trabalho de laboratório existentes continua a aumentar a complexidade de implementação, particularmente para organizações de pesquisa e fabricantes menores com recursos técnicos limitados.
• Por exemplo, em fevereiro de 2024, o Digital Discovery, publicado pela Royal Society of Chemistry, relatou desafios na reprodução de resultados de um framework de aprendizado de máquina de informática de materiais, identificando questões envolvendo dependências de software, rastreamento de versões, organização de códigos e documentação que podem dificultar a reprodutibilidade e confiança em pesquisas baseadas em IA.
• Esses desafios técnicos e operacionais podem retardar a comercialização de materiais gerados por IA, já que os compostos preditos ainda devem demonstrar sintetizabilidade prática, reprodutibilidade, segurança e desempenho em condições reais antes da adoção industrial generalizada.

Como é a IA no Mercado de Descoberta de Materiais Segmentado

A IA no mercado de descoberta de materiais é segmentada com base em componentes, tipo de material, tecnologia e aplicação.

• Por Componente

Com base no componente, a IA no mercado de descoberta de materiais é segmentada em software, hardware e serviços. O segmento de software dominou o mercado com uma participação estimada de 55,0% em 2025, devido à adoção crescente de plataformas informáticas de materiais alimentados por IA, ferramentas de modelagem preditiva e software de simulação computacional. Essas soluções permitem que pesquisadores analisem conjuntos de dados científicos, prevejam propriedades de materiais e screen potenciais compostos antes de experimentos laboratoriais. A integração com sistemas de modelagem molecular e infraestrutura de computação de alto desempenho está aumentando ainda mais suas capacidades. Plataformas de software também suportam design de material, visualização de dados e automação de fluxo de trabalho de pesquisa. A adoção crescente de aprendizado de máquina e IA gerativa está fortalecendo a demanda de software através da fabricação química, eletrônica e armazenamento de energia.

Espera-se que o segmento de serviços testemunhe o crescimento mais rápido do CAGR de 30,2% durante o período de previsão, impulsionado pelo aumento da demanda por implementação especializada e expertise técnica. Esses serviços incluem desenvolvimento de modelos de IA, preparação de dados científicos, integração de plataformas e consultoria em pesquisa computacional. As empresas de materiais muitas vezes exigem assistência especializada para incorporar ferramentas de IA em fluxos de trabalho de pesquisa e desenvolvimento existentes. Os provedores de serviços também ajudam as organizações a validar previsões e interpretar resultados computacionais complexos. A crescente demanda por aplicações personalizadas de IA está apoiando atividades de consultoria e integração. A colaboração entre fornecedores de software, cientistas de materiais e fabricantes industriais está expandindo os requisitos de serviço.

• Por Tipo de Material

Com base no tipo de material, a IA no mercado de descoberta de materiais é segmentada em polímeros, metais e ligas, cerâmica, compósitos, nanomateriais, semicondutores, produtos químicos, biomateriais,e outros. O segmento de produtos químicos dominou o mercado com uma participação estimada de 30,0% em 2025, apoiada pelo aumento da adoção de IA para otimização da formulação química, desenvolvimento de catalisadores e descoberta de material especializado. Os fabricantes químicos usam modelos de aprendizado de máquina para analisar estruturas moleculares e prever propriedades químicas antes dos testes experimentais. A triagem por IA também ajuda a identificar compostos promissores para revestimentos, adesivos, produtos químicos industriais e polímeros de alto desempenho. A integração da química computacional e da análise preditiva está melhorando a eficiência da pesquisa e reduzindo experimentos laboratoriais desnecessários. A crescente demanda por formulações químicas avançadas na fabricação, energia e eletrônica está apoiando ainda mais a adoção.

Espera-se que o segmento de semicondutores testemunhe o crescimento mais rápido no CAGR de 30,1% durante o período de previsão, impulsionado pelo aumento da demanda por materiais eletrônicos avançados e tecnologias de chip de última geração. Plataformas de descoberta alimentadas por IA permitem aos pesquisadores avaliar composições de semicondutores, prever propriedades elétricas e identificar materiais adequados para aplicações eletrônicas. A crescente complexidade na fabricação de chips está aumentando a necessidade de materiais que proporcionem melhor condutividade, estabilidade térmica e eficiência energética. A triagem computacional baseada em IA ajuda pesquisadores a investigar materiais candidatos antes de se comprometerem com processos de fabricação caros. Aumentar os investimentos em infraestrutura de inteligência artificial, eletrônica de energia e fabricação avançada de semicondutores estão criando demanda adicional. Integração do aprendizado de máquina com simulações atomísticas está expandindo a gama de propriedades do material que podem ser avaliadas

• Por Tecnologia

Com base na tecnologia, a IA no mercado de descoberta de materiais é segmentada em aprendizado de máquina, aprendizagem profunda, inteligência artificial gerativa, processamento de linguagem natural, análise preditiva, redes neurais de gráficos, entre outros. O segmento de machine learning dominou o mercado com uma participação estimada de 36,0% em 2025, devido ao seu amplo uso na predição de propriedades materiais, otimização de composição e triagem de candidatos. Algoritmos de aprendizado de máquina identificam relações entre estruturas materiais, composições e características de desempenho usando dados experimentais e computacionais. Essas capacidades permitem aos pesquisadores priorizar materiais promissores e reduzir testes repetitivos. Técnicas de aprendizagem supervisionadas e não supervisionadas também suportam a classificação de materiais e a identificação de padrões em conjuntos de dados complexos. A integração com software de simulação e bancos de dados científicos está melhorando ainda mais a utilidade do modelo.

Espera-se que o segmento de inteligência artificial gerativa registre o crescimento mais rápido em um CAGR de 37,1% durante o período de previsão, impulsionado pelo aumento da demanda por sistemas de IA capazes de projetar materiais com propriedades direcionadas. Modelos generativos podem propor novas estruturas moleculares e composições materiais que podem não ser facilmente identificadas através da triagem convencional. Os pesquisadores podem usar esses sistemas para explorar materiais candidatos com características mecânicas, químicas, térmicas ou eletrônicas específicas. Avanços em modelos de fundação e algoritmos gerativos estão expandindo sua aplicação em materiais de bateria, catalisadores, polímeros e pesquisa de semicondutores. A integração com simulações computacionais permite avaliar materiais propostos antes da síntese física. O crescente interesse pela inovação acelerada dos materiais está a incentivar as instituições de investigação e os fabricantes a adoptarem estas tecnologias.

• Por Aplicação

Com base na aplicação, a IA no mercado de descoberta de material é segmentada em predição de propriedade de material, modelagem e simulação molecular, descoberta de material de armazenamento de bateria e energia, descoberta de material semicondutor e eletrônico, descoberta de material farmacêutico e farmacêutico, descoberta e otimização de catalisadores, projeto e desenvolvimento de polímeros, previsão de rota de síntese de materiais, entre outros. O segmento de predição de propriedades materiais dominou o mercado com uma participação estimada de 38,0% em 2025, impulsionada pelo aumento da demanda por previsões precisas de características do material antes da validação laboratorial. Os modelos de IA ajudam pesquisadores a estimar a resistência mecânica, estabilidade térmica, condutividade elétrica e reatividade química. Essas previsões permitem que as equipes de pesquisa triturem os materiais candidatos de forma mais eficiente e priorizem composições promissoras. A integração com ferramentas de ciência de materiais computacionais melhora a análise de relações complexas estrutura-propriedade. Os fabricantes também usam modelos preditivos para orientar o desenvolvimento do produto e otimizar o desempenho do material.

Espera-se que o segmento de descoberta de material de armazenamento de bateria e energia testemunhe o crescimento mais rápido do CAGR de 32,2% durante o período de previsão, impulsionado pelo aumento da demanda por melhor desempenho da bateria, densidade de energia, velocidade de carregamento e segurança. Plataformas baseadas em IA ajudam pesquisadores a identificar e avaliar materiais de eletrodos, eletrólitos e outros componentes de bateria com propriedades eletroquímicas promissoras. Modelos de aprendizado de máquina analisam conjuntos de dados experimentais para prever o comportamento da bateria e identificar composições candidatas para posterior teste. A crescente adoção de veículos elétricos e os investimentos em armazenamento de energia renovável estão aumentando a necessidade de tecnologias avançadas de baterias. A triagem guiada por IA também pode ajudar pesquisadores a investigar alternativas a matérias-primas caras ou restritas ao fornecimento. A integração com laboratórios automatizados e simulações computacionais está acelerando os fluxos de trabalho de pesquisa de bateria.

Qual é a região que detém a maior parte da IA no mercado de descoberta de materiais

• A América do Norte dominou a IA no mercado de descoberta de materiais com a maior parcela de receita de 41,6% em 2025, apoiada por infraestrutura avançada de pesquisa de IA, fortes investimentos tecnológicos e colaboração entre universidades, instituições de pesquisa e empresas de ciências materiais.
• A região também se beneficia de uma forte colaboração entre universidades, laboratórios governamentais e fabricantes industriais, além da adoção crescente de plataformas de pesquisa alimentadas por IA em produtos farmacêuticos, semicondutores, produtos químicos e armazenamento de energia. Aumentar os investimentos em computação de alto desempenho, IA geradora e ciência de materiais computacionais continua a fortalecer a posição de liderança da América do Norte no mercado global.

I.A. dos EUA em Insight do Mercado de Descoberta de Materiais

A IA dos EUA no mercado de descoberta de materiais está testemunhando forte crescimento devido ao aumento dos investimentos em pesquisa de inteligência artificial, desenvolvimento avançado de materiais e tecnologias de química computacional. O ecossistema tecnológico maduro do país, juntamente com a adoção crescente de aprendizado de máquina, IA gerativa e sistemas de modelagem preditiva, está impulsionando a demanda em aplicações de armazenamento de semicondutores, produtos farmacêuticos, químicos e energia. Além disso, a crescente ênfase na aceleração da pesquisa e desenvolvimento, redução dos custos de descoberta de materiais e melhoria do desempenho material está acelerando a adoção de plataformas de descoberta orientadas por IA.

AI Ásia-Pacífico em Material Discovery Market Insight

Espera-se que a IA Ásia-Pacífico no mercado de descoberta de materiais testemunhe um rápido crescimento, impulsionado pela expansão da fabricação de eletrônicos, aumento dos investimentos em inteligência artificial e aumento da demanda por materiais avançados em países como China, Japão e Índia. A adoção crescente de tecnologias de aprendizado de máquina, aprendizagem profunda e simulação, juntamente com a crescente demanda por baterias, semicondutores e materiais químicos inovadores, está apoiando a expansão regional do mercado. Além disso, o aumento dos investimentos em infraestrutura de pesquisa e colaborações entre empresas de tecnologia, universidades e institutos de ciência de materiais estão acelerando a adoção de IA em setores industriais e acadêmicos.

Japan AI in Material Discovery Market Insight

O Japão IA no mercado de descoberta de materiais está testemunhando crescimento consistente devido ao aumento dos investimentos em pesquisa avançada de materiais, inovação de semicondutores e tecnologias de inteligência artificial. Fabricantes de eletrônicos, empresas automotivas e institutos de pesquisa estão cada vez mais adotando plataformas de IA para acelerar a triagem de materiais, prever propriedades materiais e melhorar a eficiência de pesquisa e desenvolvimento. Além disso, a crescente demanda por materiais de bateria de alto desempenho, polímeros avançados e componentes eletrônicos de próxima geração está contribuindo ainda mais para o crescimento do mercado no Japão.

China AI em Material Discovery Market Insight

A IA da China no mercado de descoberta de materiais está crescendo rapidamente, impulsionada pela expansão da produção de semicondutores, aumento dos investimentos em inteligência artificial e aumento do foco do governo na autoconfiança tecnológica. A adoção crescente de modelagem e análise preditiva de materiais habilitados para IA através da fabricação de baterias, eletrônicos, químicos e pesquisas avançadas de materiais está aumentando significativamente a demanda do mercado. Além disso, os investimentos crescentes em capacidades de pesquisa nacionais, tecnologias de armazenamento de energia e materiais de alto desempenho estão posicionando a China como um mercado de crescimento chave para a descoberta de materiais impulsionados por IA.

I.A. do Reino Unido no Mercado de Descoberta de Materiais

A IA do Reino Unido no mercado de descoberta de materiais está experimentando crescimento constante, apoiado pela crescente adoção de inteligência artificial em pesquisa científica, desenvolvimento farmacêutico e engenharia avançada de materiais. O aumento dos investimentos em infraestruturas de investigação de IA e a crescente procura de soluções eficientes de rastreio de materiais orientadas para os dados estão a contribuir para o crescimento do mercado. Além disso, a integração de aprendizado de máquina, IA geradora e modelagem computacional está melhorando a previsão de material e eficiência de pesquisa, posicionando o Reino Unido como um importante centro de inovação na IA na indústria de descoberta de materiais.

Alemanha IA em Material Discovery Market Insight

A IA da Alemanha no mercado de descoberta de materiais está se expandindo constantemente devido à forte base industrial do país, capacidades avançadas de engenharia e adoção crescente de tecnologias de IA da próxima geração. Fabricantes de automóveis, empresas químicas, desenvolvedores de semicondutores e institutos de pesquisa estão cada vez mais utilizando plataformas de IA para projeto de materiais, previsão de propriedades e atividades de pesquisa e desenvolvimento. Avanços contínuos no aprendizado de máquinas, simulação computacional e engenharia de materiais baseados em dados, juntamente com forte foco da indústria na inovação e eficiência de fabricação, estão impulsionando o crescimento do mercado na Alemanha.

Quais são as Principais Empresas em IA no Mercado de Descoberta de Materiais

A IA na indústria de descoberta de materiais é liderada principalmente por empresas bem estabelecidas, incluindo:

• Citrine Informática, Inc.. (EUA)
• Schrödinger, Inc.(EUA)
• Materiais. Zone Technologies Ltd.. (Israel)
• Kebotix, Inc.. (EUA)
• Aiônica, Inc.(EUA)
• Cuspai Ltd. (U.K.)
• Química Computacional Preferencial, Inc. (Japão)
• Enthought, Inc. (EUA)
• UL Institutos de Investigação (EUA)
• Materiais descobertos (EUA)
• Idosos Materiais (EUA)
• Doublet Labs (EUA)
• Thetic (U.K.)
• XtalPi Holdings Limited (China)
• SES AI Corporation (EUA)
• QuantumScape Corporation (EUA)
• Schrödinger Materials Science (EUA)
• NVIDIA Corporation (EUA)
• Corporação Internacional de Máquinas de Negócios (EUA)
• Microsoft Corporation (EUA)

Quais são as últimas evoluções na IA no Mercado de Descoberta de Materiais

• Em junho de 2025, a Aiônica lançou sua plataforma de Inteligência Molecular Artificial (AMI), projetada para acelerar o desenvolvimento de formulações para eletrólitos de bateria e outras aplicações químicas. A plataforma utiliza IA para analisar formulações químicas complexas, ao mesmo tempo que conta com interações moleculares e restrições práticas de formulação, ajudando pesquisadores a avaliar materiais potenciais de forma mais eficiente. Este lançamento destaca o papel crescente dos sistemas especializados de IA na aceleração da pesquisa de materiais e na inovação de baterias.
• Em abril de 2025, a SES AI anunciou sua plataforma de descoberta de material MU-0 do Universo Molecular, combinando métodos baseados em física e inteligência artificial para apoiar a descoberta de materiais de bateria. A empresa planejou demonstrar a plataforma de software e serviços para mostrar como a análise molecular habilitada por IA poderia apoiar o desenvolvimento de tecnologias avançadas de baterias de lítio-metal e lítio-ion. Este desenvolvimento reflete o uso crescente de ferramentas orientadas por IA para acelerar a descoberta de materiais para armazenamento de energia.
• Em julho de 2024, pesquisadores do SLAC National Accelerator Laboratory e da Universidade de Stanford introduziram uma abordagem baseada em IA para a descoberta de materiais direcionados. O método foi projetado para melhorar a eficiência da coleta e análise de dados ao buscar materiais com propriedades específicas. A pesquisa poderia ajudar os cientistas a identificar candidatos promissores para aplicações que vão desde tecnologias climáticas até computação quântica, apoiando o desenvolvimento de fluxos de trabalho experimentais mais automatizados.
• Em novembro de 2023, o Google DeepMind anunciou que sua ferramenta GNoME de aprendizagem profunda havia previsto 2,2 milhões de novas estruturas de cristal, incluindo aproximadamente 380.000 preditos para ser estável e potencialmente útil para tecnologias futuras. A equipe disponibilizou as promissoras estruturas previstas à comunidade de pesquisa através do Projeto Materiais, apoiando a investigação adicional de materiais para baterias, eletrônicos e outras aplicações. O desenvolvimento demonstrou como a IA poderia expandir a gama de materiais candidatos disponíveis para testes científicos.
• Em julho de 2021, a Química Computacional Preferida lançou Matlantis como um serviço de simulação atomística baseado em nuvem. Desenvolvido com Redes Preferenciais e ENEOS, a plataforma integrou o aprendizado profundo com simulação física convencional para acelerar a análise do comportamento do material em escala atômica. Sua abordagem foi projetada para ajudar pesquisadores industriais e acadêmicos a explorar uma ampla gama de materiais potenciais de forma mais eficiente, marcando um importante desenvolvimento comercial precoce na descoberta de materiais movidos por IA.

SKU-76906