Foto: Sergio Cara (NotiPress)
Científicos del Instituto Tecnológico de Massachussets (MIT) elaboraron una propuesta basada en proporcionar los datos de los tipos de enlaces y la naturaleza de los átomos como gráficas. Esto lograría desarrollar una gramática gráfica nueva, es decir, crear una analogía lingüística de sistemas y estructuras.
A partir de esta traducción, se lograría crear un orden para las nuevas propuestas de moléculas. Sin embargo, la propuesta desarrollada por el sistema cuenta con una secuencia de reglas a partir de las cuales se construyen las propuestas de moleculares como monómeros y polímeros.
El modelo tiene la capacidad de aplicar ingeniería inversa para formar nuevas propuestas de compuestos. "Idealmente, el objetivo es entrenar un modelo de aprendizaje automático y permitirle producir tantas moléculas como sea posible. Básicamente construimos un lenguaje para crear moléculas", dice Wojciech Matusik, profesor de ingeniería eléctrica e informática en el MIT.
Matusik también comentó: "Si tienes todos estos componentes, puedes construir nuevas moléculas con propiedades óptimas y también sabes cómo sintetizarlas. Esta es la visión general que la gente en este laboratorio quiere lograr", agregó el científico.
Otro de los colaboradores del estudio, Minghao Guo, añadió: "Queremos utilizar esta representación gramatical para la generación de monómeros y polímeros, porque esta gramática es explicable y expresiva". Al mismo tiempo, Guo destacó que son necesarias pocas reglas de producción para lograr diversas propuestas de moléculas.
En esta metodología, el aprendizaje automático logra traducir una cadena de átomos (nodos) unidos por enlaces químicos (bordes) en elementos, con los cuales de puede trabajar de forma gráfica. Gracias a ello, el modelo toma la estructura química y la colapsa hasta un nodo; esto puede ser dos átomos conectados por un enlace, una secuencia corta de átomos enlazados o un anillo de átomos.
Dichas reglas también pueden hacer el proceso de forma inversa, de tal modo que se puede crear una molécula desde cero y proponer arreglos diferentes en la estructura de un mismo material. "Los métodos de generación de gráficos existentes producirán un nodo a la vez, pero estamos buscando estructuras de nivel superior haciendo a la vez un aprendizaje más eficiente", comentó Jie Chen, colaborador del proyecto.
"Se demostró claramente que, en cuanto a la capacidad de síntesis, el algoritmo supera a todos los métodos existentes en producción de nuevas moléculas por un margen muy amplio. Además, este algoritmo solo necesita alrededor del 0.15 por ciento de un conjunto de datos, en comparación a los otros enfoques de aprendizaje automático" añadieron los expertos.
Esta nueva propuesta de investigación tiene la posibilidad de crecer para crear nuevos átomos y moléculas, ya que es adaptable a la información que se le proporcione. "Esencialmente, nuestro objetivo es desarrollar nuestra gramática, de modo que nuestra representación gráfica pueda usarse ampliamente en muchos dominios diferentes", concluyó Guo.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
