EUA combinam aprendizado de máquina quântico e processamento para catalisar a descoberta de terras raras

Os Estados Unidos lançaram uma iniciativa de pesquisa que combina aprendizado de máquina quântico com processamento mineral industrial para descobrir moléculas especializadas capazes de separar elementos de terras raras com maior eficiência, de acordo com uma reportagem publicada por Atharva Gosavi em 19 de setembro de 2026. A iniciativa técnica visa enfrentar um gargalo fundamental nas cadeias de suprimento de minerais críticos, onde a separação de metais individuais de terras raras, quimicamente quase idênticos, exige operações industriais complexas e de múltiplas etapas. Ao aplicar algoritmos computacionais quânticos à química molecular, o projeto busca modelar e projetar moléculas extratoras capazes de isolar elementos-alvo com maior seletividade, potencialmente reduzindo o consumo de energia, os custos e a pegada ambiental do processamento intermediário (midstream).

## Principais fatos

- A iniciativa dos Estados Unidos integra modelos de aprendizado de máquina quântico diretamente nos fluxos de pesquisa de processamento mineral. - O objetivo central é a descoberta de novas moléculas quelantes otimizadas para a separação de elementos individuais de terras raras. - O esforço foi relatado pelo repórter independente de tecnologia e ciência Atharva Gosavi em 19 de setembro de 2026. - A separação industrial de terras raras atualmente depende da extração por solvente líquido-líquido, exigindo frequentemente dezenas ou centenas de estágios sequenciais. - Algoritmos de computação quântica estão sendo aproveitados para simular interações complexas de elétrons em orbitais f que excedem as capacidades precisas de modelagem dos computadores clássicos.

## O que aconteceu

De acordo com a reportagem de Atharva Gosavi, o projeto dos Estados Unidos visa a interseção entre a arquitetura de software quântico e a hidrometalurgia industrial. Pesquisadores estão utilizando estruturas (frameworks) de aprendizado de máquina quântico para simular como estruturas químicas específicas interagem com íons de terras raras em nível atômico. O objetivo principal é acelerar a identificação de novos ligantes orgânicos — moléculas que se ligam seletivamente a íons metálicos específicos em uma solução aquosa —, permitindo assim uma separação mais limpa e rápida de elementos individuais de terras raras a partir do concentrado bruto.

A descoberta química tradicional depende fortemente da síntese laboratorial por tentativa e erro ou de simulações em computadores clássicos. No entanto, simular átomos de terras raras em computadores clássicos apresenta graves obstáculos computacionais devido às estruturas de elétrons fortemente correlacionadas e complexas em suas camadas de valência internas. O novo projeto aplica algoritmos de aprendizado de máquina quântico para modelar essas interações eletrônicas de forma mais precisa, avaliando milhões de configurações moleculares candidatas em simulações digitais antes de selecionar os candidatos mais promissores para testes físicos em laboratório e integração no processamento mineral.

Ao integrar essas ferramentas computacionais quânticas diretamente nos fluxos de trabalho de processamento mineral, a iniciativa tenta preencher a lacuna entre a química molecular teórica e a metalurgia extrativa em escala de bancada. Os modelos computacionais avaliam energias de ligação, geometria espacial e características de solubilidade para garantir que as moléculas descobertas não sejam apenas teoricamente seletivas, mas também robustas o suficiente para operações hidrometalúrgicas industriais práticas.

## Por que isso importa

Os elementos de terras raras — um grupo de 17 elementos metálicos que inclui neodímio, disprósio, térbio, európio e praseodímio — são componentes essenciais em ímãs permanentes de alto desempenho, sistemas de guias de defesa, geradores de turbinas eólicas, motores de veículos elétricos e eletrônicos avançados. Embora as terras raras sejam relativamente abundantes na crosta terrestre, encontrá-las em concentrações economicamente viáveis e, mais importante, separá-las umas das outras representa um desafio químico extraordinário.

Como todos os elementos lantanídeos compartilham raios iônicos e estados de oxidação quase idênticos — um fenômeno químico conhecido como contração dos lantanídeos —, seus comportamentos químicos são quase indistinguíveis em reações industriais padrão. Atualmente, a separação de terras raras pesadas de terras raras leves exige circuitos de extração por solvente líquido-líquido que circulam soluções químicas por centenas de tanques misturadores-decantadores. Esse processo legado consome volumes massivos de ácidos concentrados, solventes orgânicos e água, gerando resíduos químicos substanciais e exigindo enormes gastos de capital para a construção de refinarias.

Se o aprendizado de máquina quântico conseguir identificar com sucesso ligantes com fatores de separação significativamente maiores entre lantanídeos adjacentes, o número de estágios de extração necessários para atingir alta pureza (como 99,99%) poderá ser dramaticamente reduzido. Uma redução nos estágios de processamento traduz-se diretamente em custos operacionais menores, menor pegada física das instalações, menor geração de resíduos tóxicos e menores requisitos de capital para o estabelecimento de usinas de refino domésticas. Além disso, o estabelecimento de técnicas avançadas de processamento oferece uma rota tecnológica para contornar os métodos tradicionais e altamente poluentes de separação, potencialmente alterando o cenário econômico da fabricação de minerais críticos em favor de nações que detêm capacidades quânticas e computacionais avançadas.

## O contexto

Para contextualizar esse avanço, a cadeia global de suprimentos de terras raras é historicamente dividida em três estágios principais: mineração, separação química (refino) e fabricação downstream (como a produção de ligas para ímãs). Por várias décadas, a capacidade global de refino esteve fortemente concentrada na China, que controla cerca de 85 a 90% da infraestrutura global de separação de terras raras e mais de 90% da produção de ímãs de terras raras. Embora as operações de mineração tenham se expandido em outras regiões — como a mina de Mountain Pass, na Califórnia, e a operação de Mount Weld, na Austrália Ocidental —, concentrados não refinados de muitas minas internacionais foram historicamente enviados para o exterior para separação química devido à falta de infraestrutura intermediária local.

Nos últimos anos, o governo dos EUA designou os minerais críticos como vitais para a segurança nacional e a estabilidade econômica. Iniciativas lideradas pelo Departamento de Energia dos EUA, incluindo o Critical Materials Innovation Hub sediado no Ames National Laboratory, juntamente com financiamento do Departamento de Defesa sob o Título III da Lei de Produção de Defesa (Defense Production Act), injetaram centenas de milhões de dólares em tecnologia de processamento doméstico. As vias de pesquisa incluíram extração biológica usando proteínas especializadas, solventes de líquidos iônicos, separação por membranas e modelagem termodinâmica avançada.

Concomitantemente, a computação quântica transitou da física puramente teórica para aplicações práticas de domínio, particularmente em química computacional e ciência dos materiais. Os supercomputadores clássicos enfrentam dificuldades com cálculos de química quântica porque os recursos computacionais necessários aumentam exponencialmente com o número de elétrons em um sistema molecular. As terras raras, localizadas na série dos lantanídeos da tabela periódica, possuem camadas de elétrons 4f parcialmente preenchidas. As complexas correlações eletrônicas e efeitos relativísticos presentes nesses orbitais f tornam os complexos de terras raras um dos sistemas químicos mais difíceis de modelar com precisão em hardware clássico. Os algoritmos de aprendizado de máquina quântico, executados em hardware híbrido quântico-clássico, foram projetados para representar nativamente esses estados eletrônicos, oferecendo um caminho em direção à engenharia molecular preditiva que antes era intratável.

## Reação

A integração da computação quântica na engenharia de minerais críticos representa uma mudança notável em direção a intervenções de alta tecnologia nas cadeias de suprimento industriais. Analistas do setor e cientistas de materiais há muito observam que o processamento químico intermediário, e não a capacidade bruta de mineração, constitui a principal vulnerabilidade nas cadeias de suprimentos de minerais críticos dos países ocidentais. A aplicação da química computacional avançada é vista por observadores do mercado como um passo necessário para superar a vantagem de décadas mantida por refinarias legadas.

Desenvolvedores de software quântico e químicos computacionais destacaram a descoberta de materiais como uma das aplicações iniciais mais promissoras do ponto de vista comercial para sistemas quânticos de escala intermediária ruidosos (NISQ) e algoritmos híbridos. Em vez de esperar por computadores quânticos totalmente tolerantes a falhas, abordagens híbridas quântico-clássicas podem auxiliar modelos de aprendizado de máquina a identificar características espaciais e de ligação que algoritmos padrão não detectam.

Pesquisadores ambientais e especialistas em políticas públicas devem acompanhar de perto se o projeto produzirá extratores que reduzam o uso de produtos químicos perigosos. O processamento hidrometalúrgico padrão gera quantidades substanciais de efluentes ácidos e rejeitos radioativos (frequentemente associados ao tório e ao urânio de ocorrência natural em minérios de terras raras). Qualquer avanço tecnológico que simplifique as etapas de processamento ou permita a reciclagem química em circuito fechado é visto de forma favorável por órgãos reguladores encarregados de aprovar novas usinas de processamento doméstico.

## O que ainda não sabemos

Embora o escopo do projeto combine aprendizado de máquina quântico com processamento mineral, vários detalhes operacionais específicos permanecem não verificados na reportagem disponível:

- **Liderança institucional e parceiros:** A agência governamental específica, laboratório nacional, consórcio de pesquisa universitário ou empresa privada de tecnologia que lidera a execução do projeto não foram detalhados. - **Base de financiamento e duração:** A alocação financeira exata, a fonte de financiamento e o cronograma plurianual projetado para a concessão de pesquisa ou programa permanecem não especificados. - **Especificações do hardware quântico:** Atualmente não se sabe quais plataformas de hardware quântico (por exemplo, circuitos supercondutores, íons aprisionados ou sistemas de átomos neutros) ou provedores de nuvem quântica estão sendo utilizados para executar os modelos de aprendizado de máquina. - **Síntese e validação experimental:** O relatório não detalha se as moléculas extratoras candidatas identificadas pelos algoritmos quânticos já entraram em testes físicos de laboratório em escala de bancada ou em ensaios de síntese química. - **Viabilidade econômica:** Resta demonstrar se as moléculas projetadas computacionalmente podem ser produzidas economicamente em escala industrial e permanecer estáveis sob condições ácidas industriais rigorosas.

## O que acompanhar

Daqui para frente, vários indicadores-chave revelarão o progresso e o impacto prático deste projeto de minerais críticos auxiliado por tecnologia quântica:

- **Divulgações federais oficiais:** Anúncios oficiais ou comunicados de imprensa de agências dos EUA — como o Escritório de Eficiência Energética e Energia Renovável (EERE) do Departamento de Energia ou a Agência de Projetos de Pesquisa Avançada de Defesa (DARPA) — confirmando os beneficiários de concessões, parceiros computacionais e marcos do projeto. - **Literatura revisada por pares:** Publicações científicas em periódicos como *Nature Chemistry*, *Inorganic Chemistry* ou *Hydrometallurgy* detalhando as estruturas moleculares específicas, razões de seletividade de ligação e arquiteturas de algoritmos quânticos desenvolvidas no âmbito do programa. - **Testes em usinas-piloto:** Testes hidrometalúrgicos em escala de bancada e escala piloto demonstrando se os ligantes recém-identificados atingem fatores de separação mais altos entre lantanídeos adjacentes (como neodímio/praseodímio ou disprósio/térbio) em comparação com extratores comerciais padrão como PC88A ou Cyanex 272. - **Licenciamento comercial:** Acordos subsequentes de licenciamento ou transferências de tecnologia entre instituições de pesquisa e empresas comerciais de processamento de minerais críticos que buscam implantar a tecnologia em refinarias operacionais.

Esta reportagem é baseada no trabalho original publicado por Atharva Gosavi em 19 de setembro de 2026.