La inteligencia artificial está revolucionando campos inimaginables, y la química no es la excepción. Sin embargo, predecir el resultado de una reacción química con IA ha sido un desafío, principalmente porque los modelos existentes no siempre respetan las leyes fundamentales de la física. Un equipo de investigadores del MIT ha dado un paso gigante con FlowER, un nuevo enfoque de IA generativa que promete cambiar las reglas del juego.
¿Qué es FlowER y por qué es diferente?
FlowER (Flow matching for Electron Redistribution) es un modelo que predice los resultados de reacciones químicas teniendo en cuenta las leyes de conservación de la masa. A diferencia de los modelos de lenguaje grandes (LLM) como ChatGPT, que pueden ‘inventar’ o ‘eliminar’ átomos durante la predicción, FlowER se basa en un método desarrollado en la década de 1970 por el químico Ivar Ugi, utilizando una matriz de enlace-electrón para rastrear cada electrón durante la reacción.
“La predicción de los resultados de las reacciones es una tarea muy importante”, explica Joonyoung Joung, uno de los investigadores. “Por ejemplo, si quieres crear un nuevo fármaco, necesitas saber cómo hacerlo. Por lo tanto, necesitamos saber qué producto es probable que resulte de un determinado conjunto de insumos químicos para una reacción.”
¿Cómo funciona FlowER?
El sistema utiliza una matriz donde los valores distintos de cero representan enlaces o pares de electrones solitarios, y los ceros representan la ausencia de estos. Mun Hong Fong, otro miembro del equipo, explica: “Eso nos ayuda a conservar tanto los átomos como los electrones al mismo tiempo”. Esta representación es clave para asegurar la conservación de la masa en las predicciones.
El potencial de FlowER
Aunque aún está en una etapa temprana de desarrollo, FlowER ya muestra resultados prometedores. Connor Coley, autor principal del estudio, lo describe como “una demostración, una prueba de concepto de que este enfoque generativo de ‘flow matching’ es muy adecuado para la tarea de predicción de reacciones químicas”.
El modelo ha sido entrenado con datos de más de un millón de reacciones químicas obtenidas de una base de datos de la Oficina de Patentes de EE. UU. Si bien aún tiene limitaciones en cuanto a la variedad de reacciones que puede predecir (por ejemplo, no incluye ciertos metales o reacciones catalíticas), el equipo está trabajando para expandir sus capacidades.
FlowER no solo iguala, sino que en algunos casos supera a los sistemas de predicción existentes en la identificación de rutas mecanísticas estándar. Además, tiene la capacidad de generalizar a tipos de reacción no vistos previamente. Sus potenciales aplicaciones son amplias, abarcando desde la química medicinal hasta el descubrimiento de materiales, la combustión, la química atmosférica y los sistemas electroquímicos.
Open Source: Un impulso para la innovación
Una de las características más destacadas de FlowER es que es de código abierto. “Los modelos, los datos, todo está disponible”, afirma Fong. Esto incluye un conjunto de datos desarrollado por Joung que detalla exhaustivamente los pasos mecanísticos de reacciones conocidas. El equipo espera que al poner esta herramienta a disposición de la comunidad científica, se impulse la innovación y se aceleren los descubrimientos en el campo de la química.
El futuro de la predicción de reacciones químicas
FlowER representa un avance significativo en la predicción de reacciones químicas. Al integrar principios físicos fundamentales, este modelo de IA generativa ofrece resultados más precisos y confiables que los enfoques convencionales. Si bien aún hay camino por recorrer, FlowER se perfila como una herramienta valiosa para químicos, investigadores y cualquier persona interesada en explorar las posibilidades de la IA en el mundo de la química.
Fuente: MIT News
Leave a Comment