O aço Corten já é conhecido na arquitetura por uma característica bastante particular: em vez de esconder o processo de corrosão, ele transforma a oxidação em parte de sua identidade. A formação da pátina cria a aparência característica do material e, ao mesmo tempo, ajuda a proteger o aço contra a progressão da corrosão atmosférica.
Mas será que o aço patinável que conhecemos hoje representa o limite dessa tecnologia?
Talvez não. Uma pesquisa publicada em agosto de 2025 na revista científica npj Materials Degradation aponta para uma possibilidade interessante. Pesquisadores utilizaram inteligência artificial e deep learning para desenvolver uma nova composição de aço patinável, buscando melhorar simultaneamente características que normalmente precisam ser equilibradas durante o desenvolvimento de uma liga: resistência à corrosão, resistência mecânica, ductilidade e custo.
O resultado foi um aço desenvolvido experimentalmente que alcançou 808 MPa de resistência à tração, 20,3% de alongamento e uma taxa de corrosão de 0,54 g/(m²·h) após 576 horas de exposição em um ambiente marinho simulado. Segundo os pesquisadores, a taxa de corrosão ficou aproximadamente duas vezes abaixo da observada no aço Q345NH utilizado como referência.
A descoberta não significa que um “novo Corten” já esteja disponível no mercado. O que ela revela é algo talvez ainda mais interessante: a ciência dos materiais está começando a usar inteligência artificial para acelerar e aperfeiçoar a maneira como novos aços patináveis são projetados.
E isso pode mudar, no futuro, as possibilidades de aplicação do material na arquitetura e na indústria.
O aço Corten está mudando?
Antes de falar sobre inteligência artificial, vale entender qual é o problema que os pesquisadores estão tentando resolver.
Os aços patináveis, conhecidos internacionalmente como weathering steels, foram desenvolvidos para apresentar maior resistência à corrosão atmosférica. Sua composição contém elementos de liga que favorecem a formação de uma camada de produtos de corrosão mais compacta e protetora sobre a superfície do aço.
É essa camada que está por trás de uma das características mais conhecidas do Corten: a pátina.
Ao contrário de um aço convencional, que pode continuar sofrendo deterioração quando exposto às condições atmosféricas, o aço patinável é projetado para desenvolver uma camada superficial que dificulta a progressão da corrosão em determinadas condições de exposição.
Esse comportamento tornou o material especialmente interessante para pontes, estruturas, fachadas, revestimentos e outras aplicações arquitetônicas.
O problema é que melhorar uma propriedade do aço nem sempre significa melhorar todas as outras.
Um aço pode ser muito resistente mecanicamente, por exemplo, mas apresentar características de corrosão menos favoráveis. Outra composição pode apresentar boa resistência à corrosão, mas ter custo elevado ou comprometer determinadas propriedades mecânicas.
É justamente esse equilíbrio que está no centro da nova pesquisa.
Pesquisadores usam inteligência artificial para projetar um novo aço patinável
O estudo foi realizado por pesquisadores ligados ao Institute for Advanced Materials and Technology da University of Science and Technology Beijing, ao Key Laboratory for Corrosion and Protection do Ministério da Educação da China, à Kyushu University, no Japão, e à Southeast University, entre outras instituições. O trabalho foi publicado em 6 de agosto de 2025 na npj Materials Degradation.
O título do estudo resume o desafio: otimização multi-objetivo das propriedades de resistência à corrosão, resistência e ductilidade de um aço patinável utilizando um modelo de deep learning baseado em mecanismo de atenção.
Em termos mais simples, os pesquisadores queriam descobrir se um modelo computacional poderia ajudar a encontrar uma composição de aço capaz de equilibrar diferentes propriedades ao mesmo tempo.
Para isso, eles reuniram dados experimentais sobre composição química e desempenho dos materiais.
O conjunto utilizado para avaliar a resistência à corrosão continha 417 amostras, enquanto os conjuntos relacionados à resistência à tração e ao alongamento continham, respectivamente, 148 e 130 amostras. A base de dados também incorporou informações sobre tamanho de grão, condições de exposição e propriedades físico-químicas dos elementos.
Ao todo, os pesquisadores trabalharam com 66 características físico-químicas relacionadas aos elementos utilizados na análise.
É justamente aí que a inteligência artificial começa a fazer a diferença.
Mas por que usar IA para desenvolver aço?
A pergunta parece simples: se os engenheiros já conhecem os elementos utilizados nos aços patináveis, por que colocar inteligência artificial no processo?
Bom, porque o problema não é simplesmente escolher um elemento.
É entender como diferentes elementos interagem entre si e como essas combinações influenciam propriedades diferentes ao mesmo tempo.
O estudo aponta que o desenvolvimento tradicional de ligas ainda depende, em grande medida, de conhecimento acumulado, experiência e processos de tentativa e erro. Uma composição pode melhorar a resistência mecânica, mas prejudicar a resistência à corrosão; outra pode produzir uma boa resposta contra a corrosão, mas elevar excessivamente o custo.
Em sistemas com muitas variáveis, encontrar a melhor combinação manualmente pode ser extremamente trabalhoso.
A abordagem adotada pelos pesquisadores foi utilizar um modelo de deep learning com um mecanismo de atenção.
Esse mecanismo permite ao modelo atribuir diferentes pesos às características analisadas, ajudando a identificar quais variáveis apresentam maior influência sobre cada propriedade estudada. Segundo os pesquisadores, a abordagem também permite capturar interações complexas entre os elementos e produzir resultados mais interpretáveis.
Em outras palavras:
a inteligência artificial não substituiu o laboratório. Ela ajudou os pesquisadores a decidir quais combinações de materiais mereciam ser investigadas e testadas.
Essa distinção é importante, pois o modelo apenas fez previsões e sugeriu composições. Depois, os pesquisadores produziram fisicamente a liga recomendada e realizaram os testes para verificar se os resultados previstos realmente aconteciam.
O desafio não era criar um aço simplesmente “mais forte”
Essa talvez seja a parte mais interessante da pesquisa: o objetivo não era maximizar uma única propriedade.
Os pesquisadores queriam encontrar um equilíbrio entre resistência à corrosão, resistência mecânica, ductilidade e custo.
Essas quatro características podem ser entendidas assim:
| Propriedade | Por que importa? |
| Resistência à corrosão | Ajuda o material a suportar a exposição atmosférica |
| Resistência à tração | Indica a capacidade do aço de suportar esforços antes da ruptura |
| Ductilidade | Está relacionada à capacidade de deformação do material sem ruptura |
| Custo | Determina a viabilidade econômica da composição |
Essa busca por equilíbrio é conhecida no estudo como uma otimização multi-objetivo.
E existe um detalhe importante: alguns elementos que podem melhorar determinadas propriedades também podem aumentar o custo da liga.
Os pesquisadores destacam, por exemplo, que o níquel pode contribuir para propriedades mecânicas e resistência à corrosão, mas seu custo torna o uso em concentrações elevadas uma questão importante no desenvolvimento de ligas. O mesmo tipo de preocupação econômica aparece em elementos como nióbio e molibdênio.
Portanto, o desafio não era simplesmente perguntar: qual é o aço mais resistente?
A pergunta era muito mais complexa: Qual composição consegue entregar um conjunto equilibrado de propriedades, sem tornar o material economicamente inviável?
É justamente esse tipo de problema que modelos computacionais podem ajudar a explorar.
O resultado: um aço patinável desenvolvido com ajuda de IA
Depois de analisar os dados e gerar milhares de possíveis combinações de composição, os pesquisadores utilizaram uma função de utilidade para selecionar candidatos com melhor equilíbrio entre desempenho e custo.
A composição escolhida foi então produzida experimentalmente.
E os testes apresentaram resultados bastante expressivos.
O modelo havia previsto uma resistência à tração de 837 MPa e um alongamento de 20,1%. Nos testes físicos, o material atingiu 808 MPa de resistência à tração e 20,3% de alongamento.
A pequena diferença entre previsão e resultado experimental foi considerada pelos pesquisadores como estando dentro de uma faixa razoável de erro do modelo.
Mas a resistência mecânica não era o único objetivo.
E a corrosão?
Para avaliar o comportamento do material, os pesquisadores realizaram ensaios de corrosão acelerada com exposição de:
- 72 horas;
- 144 horas;
- 288 horas;
- 576 horas.
O ambiente utilizado foi especialmente severo: um ensaio de ciclos de umidade e secagem com solução de NaHSO₃ a 0,01 M, realizado a 45 °C. Cada ciclo compreendia 12 minutos de imersão e 48 minutos de secagem.
O objetivo era simular uma condição de atmosfera marinha poluída, considerada particularmente agressiva para a estabilidade da camada de corrosão.
Após 576 horas, o novo aço apresentou uma taxa de corrosão de aproximadamente 0,54 g/(m²·h).
Na comparação com o aço patinável comercial Q345NH, os pesquisadores observaram uma redução da taxa de corrosão de aproximadamente duas vezes.
O estudo ainda informa que, segundo modelos previamente estabelecidos de correlação entre ensaios acelerados e exposição atmosférica natural, as condições utilizadas corresponderiam aproximadamente a 696 dias de exposição natural em um ambiente marinho poluído em Qingdao, na China.
O que esses números realmente significam?
Eles não significam que todo aço Corten disponível no mercado passará a apresentar esses mesmos resultados.
Também não significam que o material pesquisado já esteja disponível comercialmente para projetos arquitetônicos.
O resultado é, antes de tudo, uma demonstração experimental de que a inteligência artificial pode auxiliar no desenvolvimento de novas composições de aço patinável com propriedades simultaneamente aprimoradas.
E é justamente aí que a notícia fica interessante.
O que essa pesquisa pode mudar no futuro do aço Corten?
O trabalho aponta para uma mudança de paradigma no desenvolvimento de materiais.
Durante muito tempo, desenvolver uma nova liga significava testar diferentes composições, observar os resultados e realizar novos ajustes.
Com modelos de aprendizado de máquina, os pesquisadores podem trabalhar com grandes conjuntos de dados para tentar identificar relações que não são facilmente percebidas por métodos convencionais.
No estudo, por exemplo, foram analisadas 14 características relacionadas aos elementos de liga, além de diversas propriedades físico-químicas. O modelo identificou diferentes níveis de importância para os elementos dependendo da propriedade avaliada.
Entre os elementos que receberam destaque na análise estão Sb, Mo e C, relacionados à previsão de resistência à corrosão, enquanto C e Nb tiveram participação relevante na previsão da resistência à tração. C, Mo e Nb também apareceram entre os fatores importantes para a ductilidade.
Isso demonstra uma coisa importante: não existe necessariamente um único elemento responsável pelo desempenho de um aço patinável.
O comportamento do material resulta da interação entre composição, microestrutura, processamento e ambiente.
E quanto melhor conseguirmos compreender essas relações, mais precisamente poderemos desenvolver materiais para determinadas necessidades.
Ainda existe algo que a inteligência artificial ainda não consegue fazer sozinha…
Por mais avançada que seja uma ferramenta de desenvolvimento de materiais, existe uma etapa que continua dependendo da experiência humana: transformar a matéria-prima em uma solução adequada para um projeto real.
Uma composição química pode ser otimizada em laboratório.
Mas uma fachada precisa ser detalhada.
Uma chapa precisa ser cortada.
Um painel precisa ser dobrado.
Uma porta precisa ser montada.
Uma peça precisa se encaixar perfeitamente no projeto.
E é justamente nessa passagem entre material e arquitetura que a fabricação ganha importância.
Da chapa ao projeto: aço Corten sob medida na Mostaza
O aço Corten pode ser utilizado em diferentes formatos e dimensões, mas seu potencial arquitetônico aumenta ainda mais quando existe liberdade para trabalhar a matéria-prima de acordo com o projeto.
É possível, por exemplo, pensar em desenhos personalizados, recortes, dobras, curvas, estruturas, painéis e peças desenvolvidas especificamente para determinada aplicação.
Aqui na Mostaza, essa possibilidade se conecta diretamente à experiência de fabricação metalúrgica.
A nossa empresa trabalha com processos como corte, dobra, calandragem, solda, montagem e fabricação personalizada, permitindo transformar chapas metálicas em elementos desenvolvidos de acordo com as necessidades de cada projeto!
É uma diferença importante entre simplesmente comprar um produto e desenvolver uma solução em aço.
Para um arquiteto, designer, paisagista ou profissional da construção, isso significa que o Corten pode ser pensado desde o início como parte integrante do projeto – e não apenas como um material escolhido na etapa final.
Entre em contato com a nossa equipe agora mesmo para entender tudo isso em primeira mão – ou dê uma olhada em nosso catálogo digital para maiores inspirações.
