La vida cotidiana sin inteligencia artificial es apenas concebible en el mundo actual. Innumerables aplicaciones en áreas como la conducción autónoma, La traducción de idiomas extranjeros o los diagnósticos médicos se han abierto camino en nuestras vidas. En la investigación química, también, se están realizando grandes esfuerzos para aplicar la inteligencia artificial (IA), también conocido como aprendizaje automático, efectivamente. Estas tecnologías ya se han utilizado para predecir las propiedades de moléculas individuales, facilitando a los investigadores la selección del compuesto que se va a producir.

Esta producción, conocido como síntesis, Por lo general, implica un esfuerzo considerable, ya que hay muchas rutas de síntesis posibles para producir una molécula diana. Dado que el éxito de cada reacción individual depende de numerosos parámetros, no siempre es posible, incluso para químicos experimentados, para predecir si se producirá una reacción y menos aún qué tan bien funcionará. Para remediar esta situación, un equipo de químicos e informáticos de la Universidad de Münster (Alemania) ha unido fuerzas y ha desarrollado una herramienta de inteligencia artificial que ahora se ha publicado en la revista Chem .

Antecedentes y método:

"Una reacción química es un sistema muy complejo, "explica Frederik Sandfort, Doctor. estudiante del Instituto de Química Orgánica y uno de los autores principales de la publicación. "En contraste con la predicción de propiedades de compuestos individuales, una reacción es la interacción de muchas moléculas y, por lo tanto, un problema multidimensional, ", añade. Además, no hay "reglas del juego" claramente definidas que, como en el caso de las modernas computadoras de ajedrez, Simplificar el desarrollo de modelos de IA. Por esta razón, Los enfoques anteriores para predecir con precisión los resultados de las reacciones, como los rendimientos o los productos, se basan principalmente en una comprensión previamente adquirida de las propiedades moleculares. "El desarrollo de estos modelos implica un gran esfuerzo. Además, la mayoría de ellos son altamente especializados y no pueden transferirse a otros problemas, "Añade Frederik Sandfort.

Por lo tanto, el enfoque del trabajo presentado fue en una aplicabilidad general del programa, para que otros químicos puedan usarlo fácilmente para su propio trabajo. Para asegurar esto, el modelo se basa directamente en estructuras moleculares. "Cada compuesto orgánico se puede representar como un gráfico, en principio como imagen, "explica Marius Kühnemund, otro autor, del campo de la informática. "En esos gráficos, Se pueden realizar consultas estructurales simples, comparables a la cuestión de los colores o las formas en una foto, para capturar el llamado entorno químico con la mayor precisión posible ".

La combinación de muchas de estas consultas sucesivas da como resultado la denominada huella dactilar molecular. Estas secuencias de números simples se han utilizado durante mucho tiempo en quimioinformática para encontrar similitudes estructurales y son muy adecuadas para aplicaciones asistidas por computadora. En su enfoque, los autores utilizan una gran cantidad de tales huellas dactilares para representar la estructura química de cada molécula con la mayor precisión posible. "De este modo, hemos podido desarrollar un sistema robusto que se puede utilizar para predecir resultados de reacción completamente diferentes, "añade Marius Kühnemund, "El mismo modelo se puede utilizar para predecir tanto los rendimientos como las estereoselectividades, que es único ".

Los autores demostraron que su programa se puede aplicar fácilmente y permite predicciones precisas, especialmente en combinación con la robótica moderna, mediante el uso de un conjunto de datos que no se creó originalmente para el aprendizaje automático. "Este conjunto de datos contiene solo ventas relativas de los materiales de partida y no rendimientos exactos, "Explica Frederik Sandfort." Para obtener rendimientos exactos, deben crearse calibraciones. Sin embargo, debido al gran esfuerzo que implica, esto rara vez se hace en la realidad ".

El equipo continuará desarrollando su programa y dotándolo de nuevas funciones en el futuro. El profesor Frank Glorius confía en:"Cuando se trata de evaluar grandes cantidades de datos complejos, las computadoras son fundamentalmente superiores a nosotros. Sin embargo, nuestro objetivo no es reemplazar los químicos sintéticos con máquinas, sino para apoyarlos de la manera más eficaz posible. Los modelos basados ​​en inteligencia artificial pueden cambiar significativamente la forma en que abordamos las síntesis químicas. Pero todavía estamos en el comienzo ".