Calcular las "huellas" de las moléculas con inteligencia artificial
Con los métodos convencionales, el cálculo de la huella espectral de las moléculas más grandes requiere mucho tiempo. Pero esto es un requisito previo para interpretar correctamente los datos obtenidos experimentalmente. Ahora, un equipo del HZB ha conseguido muy buenos resultados en mucho menos tiempo utilizando redes neuronales gráficas de autoaprendizaje.
La red neuronal gráfica GNN recibe pequeñas moléculas como entrada con la tarea de determinar sus respuestas espectrales. Al compararlas con los espectros conocidos, el programa GNN aprende a calcular los espectros de forma fiable.
© K. Singh, A. Bande/HZB
"Las macromoléculas, pero también los puntos cuánticos, que a menudo están formados por miles de átomos, difícilmente pueden calcularse de antemano con métodos convencionales como la DFT", afirma la doctora Annika Bande del HZB. Con su equipo ha investigado ahora cómo se puede acortar el tiempo de cálculo utilizando métodos de la inteligencia artificial.
La idea: un programa informático del grupo de las "redes neuronales gráficas" o GNN recibe pequeñas moléculas como entrada con la tarea de determinar sus respuestas espectrales. En el siguiente paso, el programa GNN compara los espectros calculados con los espectros objetivo conocidos (DFT o experimentales) y corrige la ruta de cálculo en consecuencia. Ronda tras ronda, el resultado es cada vez mejor. Así, el programa GNN aprende por sí mismo a calcular los espectros de forma fiable con la ayuda de los espectros conocidos.
"Hemos entrenado cinco GNN más recientes y hemos comprobado que se pueden conseguir enormes mejoras con uno de ellos, el modelo SchNet: La precisión aumenta un 20% y esto se consigue en una fracción del tiempo de cálculo", afirma el primer autor, Kanishka Singh. Singh participa en la escuela de posgrado HEIBRiDS y es supervisado por dos expertos de distinta procedencia: el profesor Ulf Leser, experto en informática de la Universidad Humboldt de Berlín, y la química teórica Annika Bande.
"Los marcos GNN desarrollados recientemente podrían ser aún mejores", afirma. "Y la demanda es muy alta. Por lo tanto, queremos reforzar esta línea de investigación y estamos planeando crear un nuevo puesto postdoctoral para ello a partir del verano, como parte del proyecto Helmholtz "Inteligencia Artificial eXplicable para la Espectroscopia de Absorción de Rayos X"."
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
![Visualización de la catálisis de la [Fe]-hidrogenasa mediante espectroscopia de resonancia magnética nuclear potenciada con parahidrógeno](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Reciba la química en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de química, análisis, laboratorio y tecnología de procesos le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
