Ilustración para el estudio, que apareció en una de las portadas de "Chemical Science":Las redes neuronales artificiales ayudan a acelerar drásticamente las simulaciones de procesos fotoinducidos. Crédito:Julia Westermayr, Philipp Marquetand
La predicción de reacciones moleculares provocadas por la luz es, hasta la fecha, extremadamente lenta y, por lo tanto, costosa. Un equipo dirigido por Philipp Marquetand de la Facultad de Química de la Universidad de Viena ha presentado ahora un método que utiliza redes neuronales artificiales que acelera drásticamente la simulación de procesos inducidos por la luz. El método ofrece nuevas posibilidades para una mejor comprensión de los procesos biológicos como los primeros pasos de la carcinogénesis o los procesos de envejecimiento de la materia. El estudio apareció en la edición actual de la revista. Ciencia química , también incluye una ilustración de acompañamiento en una de sus portadas.
El aprendizaje automático juega un papel cada vez más importante en la investigación química, p.ej. en el descubrimiento y desarrollo de nuevas moléculas y materiales. En este estudio, Investigadores de Viena y Berlín muestran cómo la inteligencia artificial permite simulaciones fotodinámicas eficientes. Para comprender los procesos fotoinducidos, como la fotosíntesis, percepción visual humana o cáncer de piel, "Necesitamos comprender el movimiento de las moléculas bajo la influencia de la luz ultravioleta. Además de los cálculos mecánicos clásicos, También necesitamos una mecánica cuántica que sea computacionalmente extremadamente exigente y, por lo tanto, costosa. "dice Philipp Marquetand, autor del estudio y científico del Instituto de Química Teórica.
Con métodos anteriores, los investigadores solo pudieron predecir los procesos fotoinducidos más rápidos en el rango de picosegundos (1 picosegundo =0.000 000 000 001 segundos), con tiempos de cálculo de varios meses. El nuevo método utiliza inteligencia artificial para simular durante períodos más largos, en el rango de un nanosegundo (1, 000 picosegundos), con un tiempo de cálculo considerablemente menor.
Aprendiendo redes neuronales
En su enfoque, los investigadores utilizan redes neuronales artificiales, es decir, modelos matemáticos que imitan el funcionamiento de nuestro cerebro. "Enseñamos a nuestra red neuronal las complejas relaciones cuántico-mecánicas realizando algunos cálculos de antemano y pasando el conocimiento a la red neuronal, "dice el primer autor del estudio y becario de uni:docs, Julia Westermayr del Instituto de Química Teórica. Basado en su conocimiento, las redes neuronales de autoaprendizaje podrán predecir lo que sucederá más rápidamente.
Como parte del estudio, Los investigadores llevaron a cabo simulaciones fotodinámicas de una molécula de prueba llamada catión metilenimmonio, un componente básico de la molécula retiniana que permite nuestros procesos visuales. "Después de dos meses de informática, pudimos reproducir la reacción durante un nanosegundo; basado en métodos anteriores, la simulación habría tardado unos 19 años, "dice la estudiante de doctorado Julia Westermayr.
Una prueba de concepto
En el rango de nanosegundos, la mayoría de los procesos fotoquímicos tienen lugar:"Con nuestra estrategia, estamos entrando en una nueva dimensión de predicción. En principio, el enfoque que presentamos se puede aplicar a una amplia gama de moléculas más pequeñas, incluidos los componentes básicos del ADN y los aminoácidos, "dice Philipp Marquetand.
En el siguiente paso, los investigadores quieren usar su método para describir el aminoácido tirosina. La tirosina se encuentra en la mayoría de las proteínas, y se sospecha que promueve la ceguera y el envejecimiento de la piel después de haber sido dañada bajo la influencia de la luz. Según los autores del estudio, la estrategia presentada en general podría fomentar mejores predicciones de procesos controlados por luz en todos los aspectos, incluyendo el envejecimiento del material y las drogas fotosensibles.