La IA aborda uno de los retos más difíciles de la química cuántica
Anuncios
Una nueva investigación que utiliza redes neuronales, una forma de IA inspirada en el cerebro, propone una solución al difícil reto de modelizar los estados de las moléculas. La investigación muestra cómo la técnica puede ayudar a resolver ecuaciones fundamentales en sistemas moleculares complejos. Esto podría dar lugar a usos prácticos en el futuro, ayudando a los investigadores a crear prototipos de nuevos materiales y síntesis químicas mediante simulación por ordenador antes de intentar fabricarlos en el laboratorio.Dirigido por científicos del Imperial College de Londres y Google DeepMind, el estudio se publica en Science.
Moléculas excitadas
El equipo investigó el problema de entender cómo se produce la transición de las moléculas hacia y desde los "estados excitados". Cuando las moléculas y los materiales son estimulados por una gran cantidad de energía, como la exposición a la luz o a altas temperaturas, sus electrones pueden pasar a una nueva configuración temporal, conocida como estado excitado.
La cantidad exacta de energía absorbida y liberada cuando las moléculas pasan de un estado a otro crea una huella dactilar única para las distintas moléculas y materiales. Esto afecta al rendimiento de tecnologías que van desde los paneles solares y los LED hasta los semiconductores y los fotocatalizadores. También desempeñan un papel fundamental en los procesos biológicos en los que interviene la luz, como la fotosíntesis y la visión.
Sin embargo, esta huella dactilar es extremadamente difícil de modelizar porque los electrones excitados son de naturaleza cuántica, lo que significa que sus posiciones dentro de las moléculas nunca son seguras y sólo pueden expresarse como probabilidades.
En palabras del Dr. David Pfau, investigador principal de Google DeepMind y del Departamento de Física del Imperial: "Representar el estado de un sistema cuántico es extremadamente difícil. Hay que asignar una probabilidad a cada configuración posible de las posiciones de los electrones".
"El espacio de todas las configuraciones posibles es enorme: si intentáramos representarlo como una cuadrícula con 100 puntos en cada dimensión, el número de configuraciones posibles de los electrones del átomo de silicio sería mayor que el número de átomos del universo. Aquí es exactamente donde pensamos que las redes neuronales profundas podrían ayudar".
Redes neuronales
Los investigadores desarrollaron un nuevo enfoque matemático y lo utilizaron con una red neuronal llamada FermiNet (Fermionic Neural Network), que fue el primer ejemplo en el que se utilizó el aprendizaje profundo para calcular la energía de átomos y moléculas a partir de principios fundamentales lo suficientemente precisos como para ser útiles.
El equipo probó su enfoque con una serie de ejemplos, con resultados prometedores. En una molécula pequeña pero compleja llamada dímero de carbono, lograron un error absoluto medio (MAE) de 4 meV (milielectronvoltios, una medida diminuta de la energía), que es cinco veces más cercano a los resultados experimentales que los métodos de referencia anteriores, que alcanzaban los 20 meV.
Según el Dr. Pfau: Pusimos a prueba nuestro método en algunos de los sistemas más complejos de la química computacional, en los que dos electrones se excitan simultáneamente, y descubrimos que estábamos a 0,1 eV de los cálculos más complejos y exigentes realizados hasta la fecha".
"Hoy publicamos nuestro último trabajo en código abierto y esperamos que la comunidad investigadora se base en nuestros métodos para explorar las formas inesperadas en que la materia interactúa con la luz".
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
Un nuevo metamaterial topológico amplifica exponencialmente las ondas sonoras
Una nueva técnica permite descifrar chips mientras están en funcionamiento - El método consiste en escanear con rayos X focalizados los componentes de un dispositivo encendido sin dañarlo
Método para revelar los efectos biológicos no deseados de las sustancias químicas - ¿Cómo afectan a nuestra salud los contaminantes y otras sustancias químicas a las que estamos expuestos?
Los químicos capturan el metano atmosférico con azúcar - ¿Puede un hidrato de carbono aspirar directamente el metano, un gas de efecto invernadero, del aire?
ExxonMobil celebra 15 años de operaciones en Angola - La producción total supera los 1.000 millones de barriles
Epiray revoluciona la tecnología de capa fina - El método de la empresa permite producir materiales totalmente nuevos, extremadamente puros y sin impurezas
De chatarra a materia prima: Con inteligencia artificial hacia una economía circular eficiente - El proyecto Car2Car desarrolla tecnologías para un reciclado optimizado de vehículos al final de su vida útil
En busca de los "santos griales" de la catálisis - Evaluación de los últimos avances en el uso de catalizadores monoatómicos para cinco reacciones del "santo grial
Produciendo hidrógeno a partir del agua - Los investigadores dan un paso clave hacia una producción más limpia y sostenible de hidrógeno
Se ha desarrollado un nuevo material para células de combustible de mayor duración - Una nueva investigación sugiere que el grafeno podría ser usado para hacer celdas de combustible de hidrógeno más duraderas para los autos
La IA ayuda a los químicos a desarrollar plásticos más resistentes - Los investigadores han creado polímeros más resistentes al desgarro mediante la incorporación de moléculas sensibles a la tensión identificadas por un modelo de aprendizaje automático
