Quantcast

Ciencia

Computación cognitiva para ‘leer’ la composición de la materia

Imagen suministrada por uno de los autores del estudio

Los avances en inteligencia artificial y las noticias acerca de ellos parecen estar por todas partes. Desde vehículos autónomos, a buscadores de internet o filtros de spam, los algoritmos que hemos dado en llamar inteligencia artificial son tremendamente versátiles. En IBM llaman, quizás más apropiadamente, “computación cognitiva” a lo que los demás llaman inteligencia artificial. Y es que las máquinas no poseen una inteligencia, artificial, sino que realizan lo que hacen mejor, computar, de otra forma, cognitivamente.

Los algoritmos que hemos dado en llamar inteligencia artificial son tremendamente versátiles

De hecho, esta es otra noticia sobre un avance en computación cognitiva, pero probablemente uno del que no oirás hablar en otra parte. Se trata de algo importante y muy útil, pero que no es tan espectacular como para alcanzar un informativo de televisión. Sin embargo, ilustra perfectamente la capacidad de complementar (no necesariamente sustituir) la inteligencia humana que esos algoritmos pueden tener.

La espectroscopia infrarroja es uno de los métodos experimentales más útiles para conocer el mundo de las moléculas. Se basa en cómo las moléculas de las sustancias responden a la radiación infrarroja, vibrando y rotando. Los espectros infrarrojos son, por tanto, huellas químicas que proporcionan información sobre la composición y las propiedades de las sustancias y los materiales.

Si se quiere realizar un análisis detallado, las simulaciones por ordenador se hacen indispensables

En muchos casos, estos espectros son muy complejos y, si se quiere realizar un análisis detallado, las simulaciones por ordenador se hacen indispensables. Mientras que los cálculos químico-cuánticos teóricamente permiten una predicción extremadamente precisa de los espectros infrarrojos, llevarlos a cabo en la práctica se hace difícil, si no imposible, por el enorme coste computacional que tienen. Por esta razón, los espectros infrarrojos fiables sólo pueden calcularse para sistemas químicos relativamente pequeños.

Y aquí es donde entra la computación cognitiva. Un grupo de investigadores de las Universidades de Viena y Gotinga ha encontrado una forma de acelerar estas simulaciones utilizando lo que se llama aprendizaje máquina, una forma de computación cognitiva. Para este propósito han utilizado redes neuronales artificiales, modelos matemáticos que se basan en el funcionamiento del cerebro humano. Estas redes son capaces de aprender las complejas relaciones mecano-cuánticas que son necesarias para el modelado de los espectros de infrarrojo a partir de solo algunos ejemplos. De esta manera, los científicos pueden llevar a cabo simulaciones en pocos minutos, unas simulaciones que con técnicas estándar necesitarían literalmente miles de años incluso con los superordenadores modernos, y todo ello sin sacrificar la fiabilidad.

Es tal la potencia del nuevo método, que no parece osado predecir que se implantará rápidamente tanto en los laboratorios de investigación (científica y criminal) como en los de control de calidad, y que mejoras sucesivas lo harán una herramienta indispensable en el futuro.

Referencia: Michael Gastegger,Jörg Behlerb and Philipp Marquetand (2017) Machine learning molecular dynamics for the simulation of infrared spectra Chemical Science doi: 10.1039/C7SC02267K

Ya no se pueden votar ni publicar comentarios en este artículo.