Pesquisadores do MIT desenvolveram um copiloto de IA para engenheiros de estruturas. Enquanto o algoritmo gera o projeto, o sistema apresenta regiões para o projetista avaliar e ajustar — em vez de mostrar apenas o resultado final. O trabalho foi publicado na revista Communications Engineering em 10 de novembro de 2026 e divulgado pelo MIT News em 13 de novembro.
O problema da “caixa-preta” no projeto estrutural
A técnica usada é a otimização topológica, que preenche iterativamente o espaço de um projeto para atingir os objetivos definidos, como suportar uma carga com o menor material possível. Ela já é usada na indústria automotiva e aeroespacial, mas sua natureza de “caixa-preta” limitou a adoção em edifícios e pontes: o engenheiro só vê o projeto pronto e, para mudar algo, muitas vezes precisa recomeçar do zero.
O copiloto de IA usa aprendizado de máquina para prever rapidamente as regiões do projeto que um humano provavelmente quereria alterar. Para treinar o modelo, a equipe criou um conjunto de dados sintéticos com milhares de prováveis feedbacks humanos, avaliando estética, desempenho e facilidade de fabricação. Durante a execução, o sistema destaca essas regiões e o usuário pode engrossar ou afinar as estruturas ali.
39% a mais de carga de flambagem
Nas demonstrações, a abordagem com o humano no ciclo melhorou a fabricabilidade e a carga linear de flambagem — a força que uma peça suporta antes de deformar — em 39%, adicionando apenas 15 segundos ao tempo total de projeto em comparação com métodos totalmente automáticos.
“Neste momento, o humano não tem nenhuma agência ou controle sobre o processo de projeto enquanto ele acontece”, explica o autor principal, Dat Ha, doutor pelo MIT em 2026 e hoje projetista estrutural na LeMessurier. “Para esses projetos realmente complexos, queríamos também aproveitar nosso cérebro, que é a máquina mais complexa que existe, para resolver esses problemas de projeto de forma mais prática para a indústria.”
Por enquanto, o sistema permite apenas engrossar ou afinar estruturas nas regiões identificadas; a equipe pretende adicionar outras opções de modificação no futuro. A equipe vê o copiloto de IA como um complemento das abordagens totalmente automáticas, não como um substituto: quando o projeto exige muitos recursos computacionais, a automação total pode ser o caminho; quando a contribuição humana é decisiva, entra o copiloto de IA. Participam do artigo Ferdous Alam, hoje professor assistente na Georgia Tech; Markus Buehler, professor do MIT; Faez Ahmed, professor associado de engenharia mecânica do MIT; e a autora sênior Josephine Carstensen, professora associada de engenharia civil e ambiental do MIT.
O trabalho contou com apoio, em parte, do MathWorks Engineering Fellowship Fund, da TATA Steel e do MIT Generative AI Impact Consortium.
Crédito da imagem: Communications Engineering (2026). A imagem compara os fluxos de trabalho da otimização topológica clássica, com informação humana e assistida por IA.
Fontes: MIT News · Tech Xplore · Communications Engineering — DOI 10.1038/s44172-026-00818-x
Transparência: esta matéria foi produzida com auxílio de inteligência artificial, com cruzamento de publicações públicas e fontes da internet. Os fatos foram verificados nas fontes originais citadas acima; consulte-as para mais detalhes.
Por Muse