¿Quién es el mejor experimentalista? ¿un humano o un robot? Cuando se trata de explorar las condiciones sintéticas y de cristalización de moléculas gigantes inorgánicas, las máquinas de aprendizaje activo están claramente por delante, como lo demostraron los científicos británicos en un experimento con polioxometalatos publicado en la revista Angewandte Chemie .

Los polioxometalatos se forman a través del autoensamblaje de un gran número de átomos metálicos unidos por átomos de oxígeno. Los usos potenciales incluyen catálisis, electrónica, y medicina. La comprensión de los procesos de autoorganización también podría ser útil para desarrollar sistemas químicos funcionales como las "máquinas moleculares".

Los polioxometalatos ofrecen una variedad casi ilimitada de estructuras. Sin embargo, no es fácil encontrar nuevos, porque la agregación de moléculas inorgánicas complejas a moléculas gigantes es un proceso difícil de predecir. Es necesario encontrar condiciones bajo las cuales los bloques de construcción se agreguen y luego también cristalicen, para que se puedan caracterizar.

Un equipo dirigido por Leroy Cronin en la Universidad de Glasgow (Reino Unido) ha desarrollado ahora un nuevo enfoque para definir el rango de condiciones adecuadas para la síntesis y cristalización de polioxometalatos. Se basa en avances recientes en aprendizaje automático, conocido como aprendizaje activo. Permitieron que su máquina entrenada compitiera contra la intuición de experimentadores experimentados. El ejemplo de prueba fue Na (6) [Mo (120) Ce (6) O (366) H (12) (H (2) O) (78)] · 200 H (2) O, una nueva, cúmulo de polioxometalato en forma de anillo que fue descubierto recientemente por el robot químico automatizado de los investigadores.

En el experimento, las cantidades relativas de las tres soluciones reactivas necesarias debían variarse mientras se prescribía el protocolo. El punto de partida fue un conjunto de datos de experimentos de cristalización exitosos y fallidos. El objetivo era planificar diez experimentos y luego utilizar los resultados de estos para pasar al siguiente conjunto de diez experimentos, un total de cien intentos de cristalización.

Aunque los experimentadores de carne y hueso pudieron producir cristalizaciones más exitosas, el algoritmo de la máquina, mucho más "aventurero", era superior en conjunto porque cubría un dominio significativamente más amplio del "espacio de cristalización". La calidad de la predicción de si un experimento conduciría a la cristalización mejoró significativamente más con la máquina que con los experimentadores humanos. Una serie de 100 experimentos puramente aleatorios no produjo ninguna mejora. Además, la máquina descubrió una serie de condiciones que condujeron a cristales que no se habrían esperado basándose en la pura intuición. Este método automatizado "imparcial" hace que el descubrimiento de nuevos compuestos sea más probable que la confianza en la intuición humana. Los investigadores ahora están buscando formas de hacer "equipos" especialmente eficientes de hombre y máquina.