Un nuevo modelo de IA transforma la comprensión de los marcos metalorgánicos
El "MOFtransformer" está diseñado para ser el ChatGPT de los investigadores que estudian MOFs
¿Cómo predice un iPhone la siguiente palabra que vas a escribir en tus mensajes? La tecnología que hay detrás de todo esto, y que también está en el núcleo de muchas aplicaciones de IA, se llama transformador, un algoritmo de aprendizaje profundo que detecta patrones en conjuntos de datos.
Un servidor informático transformado por MOF
Kevin Jablonka (EPFL), CC BY-SA 4.0
Ahora, investigadores de la EPFL y el KAIST han creado un transformador para marcos metal-orgánicos (MOF), una clase de materiales cristalinos porosos. Combinando enlazadores orgánicos con nodos metálicos, los químicos pueden sintetizar millones de materiales distintos con aplicaciones potenciales en el almacenamiento de energía y la separación de gases.
El "MOFtransformer" está diseñado para ser el ChatGPT de los investigadores que estudian los MOF. Su arquitectura se basa en una IA llamada Google Brain que puede procesar lenguaje natural y constituye el núcleo de modelos lingüísticos populares como GPT-3, el predecesor de ChatGPT. La idea central de estos modelos es que están preentrenados en una gran cantidad de texto, de modo que cuando empezamos a escribir en un iPhone, por ejemplo, modelos como éste "conocen" y autocompletan la siguiente palabra más probable.
"Queríamos explorar esta idea para los MOF, pero en lugar de sugerir una palabra, queríamos que sugiriera una propiedad", explica el profesor Berend Smit, que dirigió el proyecto en la EPFL. "Entrenamos previamente el MOFTransformer con un millón de MOF hipotéticos para aprender sus características esenciales, que representamos como una frase. A continuación, se entrenó al modelo para que completara esas frases y diera las características correctas del MOF".
A continuación, los investigadores afinaron el MOFTransformer para tareas relacionadas con el almacenamiento de hidrógeno, como la capacidad de almacenamiento de hidrógeno, su coeficiente de difusión y la brecha de banda del MOF (una "barrera de energía" que determina la facilidad con la que los electrones pueden moverse a través de un material).
El método demostró que el MOFTransformer podía obtener resultados utilizando muchos menos datos que los métodos convencionales de aprendizaje automático, que requieren muchos más datos. "Gracias al preentrenamiento, el MOFTtransformer ya conoce muchas de las propiedades generales de los MOF y, gracias a ello, necesitamos menos datos para entrenar otra propiedad", explica Smit. Además, se puede utilizar el mismo modelo para todas las propiedades, mientras que en el aprendizaje automático convencional hay que desarrollar un modelo distinto para cada aplicación.
El MOFTransformer cambia las reglas del juego en el estudio de los MOF, ya que proporciona resultados más rápidos con menos datos y una comprensión más completa del material. Los investigadores esperan que el MOFTransformer allane el camino para el desarrollo de nuevos MOF con propiedades mejoradas para el almacenamiento de hidrógeno y otras aplicaciones.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Noticias más leídas
Más noticias de nuestros otros portales
Contenido visto recientemente
Aprendiendo del polvo: riesgos para la salud de las micropartículas - Propiedades como el tamaño, la forma y el estado de la superficie de las micropartículas influyen en su potencial de peligrosidad para el ser humano
Oro verde: Biomasa torrefactada para sustituir al carbón y al petróleo - Una start-up permite obtener productos químicos ecológicos a partir de madera y heno
Sustitución del gas natural en la industria química - La spin-off "Cyclize" de la Universidad de Stuttgart ha desarrollado un nuevo método
Los investigadores informan que el chip de detección química de aproximación al límite cuántico - El estudio muestra mejoras en el chip de detección química que tiene como objetivo la identificación rápida y precisa de drogas y otros productos químicos de rastro
Nuevas vías en la investigación cuántica: detectados candidatos a qubits supramoleculares - Un equipo de investigadores franco-alemán demuestra que la química supramolecular permite una comunicación de espín eficaz mediante enlaces de hidrógeno
Agua potable libre de bacterias - Desinfección eficaz del agua con puntos cuánticos de sulfuro de plata en un recubrimiento peptídico
Ver claramente en un nuevo reino: los investigadores crean un prototipo de una nueva generación de microscopía cuántica - "Lo que comenzó como una molestia experimental terminó siendo una pista hacia una capacidad de nuestro microscopio que es única entre las alternativas actuales"
Fin de una era: dimite el jefe de Sartorius - El Consejo de Supervisión lamenta profundamente
J.M. Huber Corporation celebra un acuerdo para vender el negocio de Silica a Evonik por USD630 millones
