NOVA Pesquisa: Agentes de IA para a Descoberta Científica. Essa é uma das áreas mais empolgantes para 2026. (marca este nos favoritos) Essa nova pesquisa introduz o SAGA (Agente Autônomo Científico Que Evolui Metas), uma estrutura de dois níveis onde o ciclo externo evolui automaticamente os objetivos enquanto o ciclo interno otimiza soluções. Por que esse artigo é tão importante? A descoberta científica exige iterar sobre o que otimizar, não apenas como otimizar. Automatizar esse ciclo de evolução objetiva fecha uma lacuna que tem limitado a maior parte das pesquisas científicas recentes impulsionadas por IA. Em vez de tratar o design objetivo como uma decisão humana única, o SAGA o torna um processo de descoberta dinâmico e autônomo. Um planejador baseado em LLM propõe novos objetivos. Um implementador as converte em funções de pontuação executáveis. Um otimizador busca soluções. Um analisador examina os resultados e identifica onde os objetivos precisam de refinamento. A SAGA opera em três níveis de automação: > modo copiloto, onde cientistas colaboram na evolução objetiva > semi-piloto onde os cientistas fornecem apenas feedback ao analisador > piloto automático, onde tanto a análise quanto o planejamento são totalmente automatizados Resultados em quatro domínios científicos: No desenho de antibióticos para K. pneumoniae resistente a medicamentos, o SAGA alcança o melhor equilíbrio entre atividade biológica e semelhança com medicamento. Enquanto as linhas de base não otimizam a atividade ou alcançam alta atividade com moléculas quimicamente irreais, o SAGA adiciona dinamicamente objetivos como penalidades de síntese e filtros de estabilidade metabólica baseados na análise de tendências em nível populacional. No projeto de materiais, a SAGA encontrou 15 estruturas estáveis inovadoras para ímãs permanentes com baixo risco na cadeia de suprimentos em 200 cálculos de DFT, superando o MatterGen (11 estruturas). Para materiais superduros, mais de 90% dos cristais propostos contêm elementos leves essenciais para a dureza, alinhando-se com achados experimentais. No desenho de sequências de DNA, o SAGA supera as linhas de base no design de aprimoradores específicos por tipo celular em até 176%, com melhora de 48% na especificidade e 47% no enriquecimento de motivos. No projeto de processos químicos, a SAGA identifica que otimizar apenas para a pureza do produto leva a folhas de fluxo desnecessariamente complexas e, em seguida, adiciona de forma autónoma objetivos para custos de capital e intensidade do fluxo de materiais. ...