Un conjunto de algoritmos de inteligencia artificial puede convertirse
en el último juego de química.
Un software puede ahora predecir rápidamente una propiedad de las moléculas desde su estructura teórica.
Este tipo de avances permite a los químicos el diseño de nuevas moléculas
en ordenadores, en lugar de la tediosa duración del ensayo y error.
Nuestra comprensión de la física del mundo macroscópico alcanza tal nivel que todo, desde puentes a aeronaves, pueden ser diseñados
y probados en un ordenador.
No hay necesidad de crear en la realidad el posible diseño
para averiguar cuál funciona.
Moléculas microscópicas son una historia diferente.
"Básicamente, aún estamos haciendo una química como la de Thomas Edison", comenta Anatole von Lilienfeld, del Laboratorio Nacional Argonne
en Lemont, Illinois.
El principal enemigo del diseño de química asistido por ordenador
es la ecuación de Schrödinger.
En teoría, este monstruo matemático puede ser resuelto dando la probabilidad de que los electrones de un átomo o molécula estén en ciertas posiciones,
lo que da lugar a determinadas propiedades físicas y químicas.
Pero debido a que la ecuación incrementa su complejidad a medida que se introducen más electrones y protones, las soluciones exactas sólo existen para los más sencillos sistemas: el átomo de hidrógeno, compuesto por un electrón y un protón, y la molécula de hidrógeno, que tiene dos electrones
y dos protones.
La complejidad regula la posibilidad exacta de predecir las propiedades de las grandes moléculas, que pueden ser muy útiles para la ingeniería o la medicina. "Queda fuera de la cuestión el poder resolver la ecuación de Schrödinger con una precisión arbitraria, por ejemplo, para la aspirina",
Así que él y sus colegas, pasaron por alto esta diabólica ecuación y se centraron en la técnica informática.
El aprendizaje automático [Wiki] es un método ampliamente utilizado para encontrar patrones en grandes conjuntos de datos con complicadas reglas subyacentes, por ejemplo, el análisis del mercado de valores, la ecología o las recomendaciones personalizadas de libros de Amazon.
Un algoritmo que se alimenta del ejemplar que estás viendo y de otros compradores que han comprado el libro, y el ordenador los utiliza para predecir un resultado (otros libros que te pueden gustar).
"De la misma manera, podemos aprender de las moléculas y usarlas como ejemplos previos con los que poder predecir las propiedades de moléculas nuevas".
Su equipo se centró en una propiedad fundamental: la energía queda invertida en todos los enlaces que mantienen el conjunto de una molécula, la energía de atomización.
El equipo construyó una base de datos de 7.165 moléculas con sus
ya conocidas energías y estructuras de atomización.
El ordenador utilizó 1.000 de ellas para identificar las características estructurales que podían predecir las energías de atomización.
Cuando los investigadores probaron el algoritmo resultante con las restantes 6.165 moléculas, produjo las energías de atomización
dentro del 1% del valor real.
Esto es comparable a la precisión de las aproximaciones matemáticas de la ecuación de Schrödinger, la cual funciona, pero le lleva mucho más tiempo calcular las moléculas más grandes (Physical Review Letters, DOI: 10.1103 / PhysRevLett. 108.058301).
Este algoritmo encuentra soluciones en una milésima de segundo que por otros métodos tardarían una hora.
"En lugar de esperar años para mostrar nuevas moléculas, es posible que tenga que sólo tengamos que esperar semanas o un mes".
El algoritmo sigue siendo principalmente una prueba de principio.
Si puede aprender a predecir algo más, como la unión de una molécula con una enzima, esto podría ayudar con el diseño de fármacos,
células de combustible, baterías o biosensores.
"Las aplicaciones podrían ser tan amplias como la misma química".
- Referencia: NewScientist.com, 10 de febrero 2012 por Lisa Grossman
No hay comentarios:
Publicar un comentario