Crónica Asturias.

Crónica Asturias.

La Universidad de Oviedo crea IA para predecir propiedades químicas con precisión.

La Universidad de Oviedo crea IA para predecir propiedades químicas con precisión.

El Grupo de Química Teórica y Computacional de la Universidad de Oviedo (Qtcovi), en colaboración con la Universidad de Luxemburgo, ha presentado un avance significativo en el campo de la inteligencia artificial aplicada a la química. Su nuevo desarrollo, una arquitectura de 'machine learning', promete revolucionar la precisión y la interpretación de las predicciones químicas.

De acuerdo con la Universidad de Oviedo, los investigadores han logrado superar las limitaciones que impedían el estudio detallado de sistemas químicos complejos y de gran tamaño. Este avance ha sido publicado en la prestigiosa revista Nature Communications.

La arquitectura creada se basa en redes neuronales artificiales que permiten predecir con alta precisión propiedades químicas locales de forma coherente con la física subyacente. Este innovador enfoque promete cambiar la forma en que se comprende la química al ofrecer predicciones precisas y explicaciones comprensibles.

Según los investigadores, históricamente, la descripción detallada de la química se limitaba a moléculas pequeñas debido a los elevados costos computacionales. Sin embargo, con la llegada de modelos de inteligencia artificial, se ha abierto la posibilidad de predecir propiedades químicas sin la necesidad de cálculos computacionales intensivos. En los últimos años, han surgido numerosos modelos capaces de simular moléculas complejas en fracciones de segundo.

La arquitectura desarrollada por el grupo, llamada SchNet4AIM, utiliza redes neuronales para describir los entornos químicos de cada átomo en una molécula. Posteriormente, otra red crea un espacio para relacionar estos descriptores con las propiedades químicas. Esta estrategia permite reconstruir propiedades moleculares a partir de términos atómicos y de parejas.

Los resultados obtenidos muestran predicciones precisas y coherentes a nivel atómico y de parejas. Lo más sorprendente es la capacidad de generalización y transferibilidad de los modelos desarrollados por el grupo.

Según los investigadores, SchNet4AIM ha demostrado ser capaz de predecir con precisión moléculas mucho más complejas que las utilizadas en el entrenamiento. Este nivel de extrapolación es algo poco común en modelos de inteligencia artificial en química, que suelen fallar fuera de su ámbito de aplicación conocido.