Investigadores británicos han creado una nueva y potente herramienta de inteligencia artificial que podría revolucionar la forma en que los científicos descubren y diseñan nuevos materiales.
El equipo de la Universidad de Liverpool y la Universidad de Southampton ha presentado CrystalGPT, oficialmente denominado Representación de Cristales Moleculares mediante Transformadores (MCRT). Este modelo basado en transformadores fue preentrenado con 706.126 estructuras cristalinas experimentales extraídas de la Cambridge Structural Database, lo que le ha permitido aprender de manera autónoma el complejo lenguaje de los cristales moleculares.
Lo que hace único a CrystalGPT es su enfoque de doble representación. El modelo combina el análisis de enlaces atómicos basado en grafos con capacidades de imagen topológica, permitiéndole procesar tanto estructuras moleculares detalladas como patrones generales de forma simultánea. Este enfoque multimodal dota a la IA de una comprensión integral de las propiedades de los cristales a nivel tanto micro como macro.
"MCRT fue concebido como un modelo fundacional que puede ajustarse fácilmente al problema específico, incluso con pequeñas cantidades de datos disponibles", explica Xenophon Evangelopoulos, miembro del equipo de la Universidad de Liverpool. Esta capacidad de trabajar eficazmente con datos limitados resulta especialmente valiosa en química, donde los experimentos de laboratorio y los cálculos suelen ser costosos y requieren mucho tiempo.
El modelo emplea cuatro tareas de preentrenamiento diferentes para extraer representaciones tanto locales como globales de los cristales. Cuando se ajusta para aplicaciones concretas, CrystalGPT puede predecir con notable precisión propiedades clave de los materiales como densidad, porosidad y simetría utilizando solo una fracción de los datos que tradicionalmente se requieren.
Las implicaciones para la ciencia de materiales son significativas. Los métodos computacionales tradicionales para predecir estructuras y propiedades cristalinas suelen requerir muchos recursos. CrystalGPT supera estas limitaciones, lo que podría acelerar los descubrimientos en farmacéutica, electrónica orgánica, desarrollo de baterías y materiales porosos para almacenamiento de gases. Como señala el profesor Andy Cooper, de Liverpool, el modelo ha "aprendido los patrones más distintivos dentro de estos cristales" y "cómo estos patrones se relacionan con propiedades prácticas", convirtiéndose en una poderosa herramienta para la innovación en materiales.