A tabela periódica dos elementos químicos prevista por redes neurais artificiais de Kohonen

Abstract

Recebido em 18/7/07; aceito em 30/11/07 publicado na web em 8/7/08 PERIODIC TABLE OF THE ELEMENTS IN THE PERSPECTIVE OF ARTIFICIAL NEURAL NETWORKS. Although several chemical elements were not known by end of the 18th century, Mendeleyev came up with an astonishing achievement: the periodic table of elements. He was not only able to predict the existence of (then) new elements but also to provide accurate estimates of their chemical and physical properties. This is certainly a relevant example of the human intelligence. Here, we intend to shed some light on the following question: Can an artificial intelligence system yield a classification of the elements that resembles, in some sense, the periodic table? To achieve our goal, we have fed a self-organized map (SOM) with information available at Mendeleyev's time. Our results show that similar elements tend to form individual clusters. Thus, SOM generates clusters of halogens, alkaline metals and transition metals that show a similarity with the periodic table of elements. Keywords: periodic table, neural networks, Kohonen neural network. INTRODUÇÃO Em 1869 Mendeleev 1 apresentou à comunidade científica a sua lei periódica dos elementos. Mendeleev conhecia pouco mais de 60 elementos e algumas de suas propriedades, tais como peso atô-mico, reação do elemento com o oxigênio, raio de ligação, raio atômico e ponto de fusão. 2 Sentindo-se muito seguro da validade de sua classificação, deixou posições vazias na sua tabela, dedicada a elementos que, segundo ele, ainda seriam descobertos. O trabalho desenvolvido por Mendeleev foi surpreendente, pois suas pesquisas foram desenvolvidas em uma época em que muitos elementos naturais eram desconhecidos como, por exemplo, os ga-ses nobres. Não se conhecia a estrutura atômica e os números atô-micos que são utilizados na organização dos elementos da tabela atual. Somente em 1913, Mosely estabeleceu o conceito de núme-ro atômico; 3 porém essa descoberta provocou apenas pequenos rearranjos na classificação dos elementos feita por Mendeleev. Possivelmente, o maior triunfo da tabela periódica dos elemen-tos foi prever a existência e propriedades de elementos desconhe-cidos em sua época. Por exemplo, Mendeleev não postulou apenas a existência do elemento eka-silício, hoje conhecido como germâ-nio, mas também suas propriedades e reações com cloro e oxigê-nio com considerável precisão. A tabela periódica identifica semelhanças entre dois ou mais elementos e os agrupa sob a forma de períodos e famílias. Essas semelhanças se repetem em intervalos, sempre relacionadas ao nú-mero atômico. Na tabela, os elementos estão arranjados horizon-talmente, em seqüência numérica, de acordo com seus números atômicos, resultando no aparecimento de sete linhas horizontais (ou períodos). Cada período, à exceção do primeiro, começa com um metal e termina com um gás nobre. Os períodos diferem em comprimento, variando de 2 elementos no mais curto até 32 ele-mentos no mais longo. As linhas verticais são formadas por ele-mentos cujas estruturas eletrônicas externas são similares. Estas colunas são denominadas grupos. Em alguns deles, os elementos estão relacionados tão intimamente que são denominados de famí-lias. Por exemplo, o grupo 2 é a família dos metais alcalino-terrosos (berílio, magnésio, cálcio, estrôncio, bário e rádio). Este grande sucesso da inteligência humana fornece um campo fértil para a investigação da capacidade de sistemas artificiais inte-ligentes produzirem classificações semelhantes. As redes de Kohonen 4 e outras técnicas de inteligência artificial vêm sendo muito utilizadas em trabalhos de classificação. Por exemplo, em proble-mas de espectrometria, 5 modelamento, 6 problemas de otimização, 7 aglomerados de silício, 8,9 problemas químicos 10,11 e outros. 12-15 A proposta central deste trabalho foi investigar a capacidade de um sistema artificial inteligente classificar os elementos químicos. Para tanto fornecemos às redes de Kohonen (RK) informações conhe-cidas no final do século XIX, de forma análoga ao que Mendeleev fez em sua época (1869). Em outras palavras, buscamos determinar o que um sistema artificial inteligente poderia ter previsto caso estivesse na mesma situação que os químicos do final do século XIX. Mostramos que a RK posiciona os elementos de tal forma a respeitar muitas pro-priedades apresentadas na tabela periódica de Mendeleev. A RK utilizada neste trabalho foi composta por uma rede 8x8; mostramos que os elementos químicos se separaram segundo pro-priedades químicas não treinadas, o que reforça a eficiência do mé-todo. Mostramos também que alguns elementos são tão semelhantes que acabam compartilhando a mesma célula. Uma discussão dos diferentes tipos de arquitetura será objeto de um trabalho futuro. Nos próximos itens mostramos um estudo sobre as propriedades da tabela periódica, a escolha dessas propriedades para utilização em redes neurais, a escolha da rede mais apropriada e, por último, o mapeamento da rede para os elementos treinados e também para