Investigadores británicos han creado una poderosa 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 basada en Transformers (MCRT, por sus siglas en inglés). Este modelo basado en transformers fue preentrenado con 706,126 estructuras cristalinas experimentales provenientes de la Cambridge Structural Database, lo que le permitió 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, lo que le permite procesar tanto estructuras moleculares detalladas como patrones generales de manera simultánea. Este enfoque multimodal le otorga a la IA una comprensión integral de las propiedades de los cristales a nivel micro y macro.
"MCRT fue diseñado para ser un modelo base que puede ajustarse fácilmente al problema en cuestión, 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 es especialmente valiosa en química, donde los experimentos de laboratorio y los cálculos suelen ser costosos y llevar mucho tiempo.
El modelo emplea cuatro tareas diferentes de preentrenamiento para extraer representaciones tanto locales como globales de los cristales. Cuando se ajusta para aplicaciones específicas, CrystalGPT puede predecir con notable precisión propiedades clave de los materiales como densidad, porosidad y simetría utilizando solo una fracción de los datos tradicionalmente requeridos.
Las implicaciones para la ciencia de materiales son significativas. Los métodos computacionales tradicionales para predecir estructuras y propiedades cristalinas suelen requerir muchos recursos. CrystalGPT evita estas limitaciones, lo que podría acelerar 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 herramienta poderosa para la innovación en materiales.