es.wedoany.com Noticia: Investigadores de la Universidad Friedrich Schiller de Jena (Friedrich-Schiller-Universität Jena), el Centro Helmholtz de Materiales y Energía de Berlín (Helmholtz-Zentrum Berlin für Materialien und Energie), el Instituto Helmholtz de Polímeros para Aplicaciones Energéticas de Jena (Helmholtz Institute for Polymers in Energy Applications Jena) y la empresa suiza de software Zakodium Sárl han desarrollado un sistema de inteligencia artificial llamado SECS, capaz de recomendar posibles estructuras moleculares a partir de datos brutos de mediciones espectrales y evaluar su plausibilidad. El sistema está disponible en acceso abierto, y los resultados se han publicado en la revista especializada *Nature Communications*.
La elucidación estructural es un paso clave en la investigación química, pero resulta especialmente desafiante al tratar con moléculas nuevas o complejas. El Dr. Kevin Jablonka, de la Universidad de Jena, señala que los métodos habituales, como la espectroscopia de resonancia magnética nuclear, la espectroscopia infrarroja o la espectrometría de masas, ofrecen cada uno pistas estructurales limitadas, y que el rompecabezas químico formado por numerosas señales de medición debe ensamblarse correctamente. En el caso de moléculas nuevas nunca descritas, las impurezas pueden generar sus propias señales o enmascarar las de la sustancia real, lo que dificulta especialmente el análisis. La ventaja del nuevo sistema radica en su capacidad para abordar los problemas de impurezas más comunes en los espectros de resonancia magnética nuclear de protón convencionales.
Adrian Mirza, primer autor del artículo, explica que el nuevo sistema SECS combina dos métodos de inteligencia artificial. El modelo primero aprende a transformar espectros y estructuras moleculares en una representación matemática común; luego, un algoritmo evolutivo optimiza gradualmente las moléculas candidatas, añadiendo o eliminando átomos y enlaces químicos, y verificando repetidamente si los resultados se ajustan mejor a los datos de medición. Finalmente, el sistema presenta una lista clasificada de posibles estructuras, acompañada de una puntuación de similitud basada en el contexto químico.
En una prueba comparativa que empleó diferentes métodos espectroscópicos, SECS colocó la estructura molecular correcta en primer lugar en más del 80 % de los casos. En una comparación directa con humanos, el sistema mostró un rendimiento comparable al de expertos al resolver 20 problemas complejos de resonancia magnética nuclear. No obstante, el equipo de investigación subraya que SECS no pretende reemplazar el conocimiento humano especializado, sino ofrecer una segunda opinión útil. Si la recomendación es razonable y tiene una puntuación alta, ayuda a reforzar la confianza en el resultado de la elucidación; en caso contrario, merece un examen más detallado.
El código fuente, los datos del modelo y la versión de prueba de la aplicación están disponibles públicamente. La versión web actual está orientada principalmente al análisis directo de datos brutos de espectros de resonancia magnética nuclear de protón unidimensional, y en el futuro se admitirán más tipos de espectros y datos brutos más complejos.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
