Los ingenieros y químicos de la Universidad de Hiroshima utilizaron con éxito la tecnología subyacente al reconocimiento facial para diseñar cristales quirales. Este es el primer estudio que informa sobre el uso de esta tecnología, llamado análisis de regresión logística, para predecir qué grupos químicos son los mejores para fabricar moléculas quirales. Los resultados fueron publicados en Letras de química .

La quiralidad describe la cualidad de poseer una imagen especular de otra cosa, pero sin la capacidad de superponerlo. Tu pie izquierdo por ejemplo, es un espejo de tu derecha. Se ven similares Pero no son los mismos. Es por eso que no puede usar un zapato izquierdo en su pie derecho.

La idea es similar en química. Dos moléculas pueden tener la misma composición de elementos, pero su geometría puede diferir. Una hélice quiral zurda puede tener la correspondiente hélice derecha.

Sin embargo, hacer una imagen especular de una molécula quiral es más complicado que simplemente reorganizar algunos enlaces. Surge una capa adicional de complejidad al hacer un cristal, una serie altamente ordenada de átomos o moléculas que pueden extenderse en tres dimensiones.

"La parte más difícil de hacer un cristal quiral, "El autor principal, Katsuya Inoue, dijo:"es saber diseñarlos". Inoue es investigadora de la Escuela de Graduados de Ingeniería de la Universidad de Hiroshima (HU).

Según Inoue, es difícil mezclar diferentes átomos para que su geometría quiral coexista en un solo cristal. Solo, dos tipos de átomos querrán formar enlaces con los mismos ángulos. Cuando se combina, aunque, puede que no.

El equipo analizó 686 cristales quirales y 1000 cristales aquirales de la base de datos de estructuras de cristal inorgánico. Mediante el uso de regresión logística, El equipo de Inoue diseñó un modelo para mostrar la mejor manera de diseñar cristales quirales.

Calcularon qué grupos químicos de la tabla periódica tienen elementos que tienen más probabilidades de coexistir en un cristal quiral. Los grupos que corresponden al carbono, nitrógeno, y el oxígeno fueron los mejores, o el grupo número 14, 15, y 16, respectivamente.

La regresión logística es un método estadístico que puede diferenciar dos objetos. Eri Shimono, coautor y asistente de investigación en el Departamento de Química y Centro de Investigación de Quiralidad en HU, lo comparó con el uso en teléfonos inteligentes.

"En reconocimiento facial, los teléfonos inteligentes utilizan el aprendizaje automático para clasificar rostros y cosas que no son rostros, ", Dijo Shimono." Podemos entrenar nuestro modelo para detectar posibilidades quirales y no quirales. En este caso, aunque, la entrada no es una imagen. Es información ".

Avanzando, el equipo está afinando el modelo de predicción de dos maneras. Primero, quieren dar cuenta de más átomos en un cristal. "Partimos de dos átomos. En realidad, aunque, muchos cristales se hacen con tres o cuatro, ", Dijo Inoue." Tenemos que ampliar este modelo para que se ajuste a estos casos ".

Segundo, están aplicando el aprendizaje profundo. El modelo actual, que utiliza aprendizaje automático básico, se hace a partir de datos existentes. El aprendizaje profundo permitiría a los investigadores clasificar los nuevos datos como quirales o no. A partir de estos resultados, el equipo planea comenzar a crear algunos cristales predichos y explorar cómo construir un imán quiral a partir de ellos.