La predicción de las reacciones moleculares desencadenadas por la luz hasta la fecha es extremadamente lenta y, por lo tanto, costosa. Un equipo dirigido por Philipp Marquetand de la Facultad de Química de la Universidad de Viena ahora ha presentado un método que utiliza redes neuronales artificiales que acelera drásticamentesimulación de procesos inducidos por la luz. El método ofrece nuevas posibilidades para una mejor comprensión de los procesos biológicos, como los primeros pasos de la carcinogénesis o los procesos de envejecimiento de la materia. El estudio apareció en la edición actual de la revista Ciencia química que también incluye una ilustración adjunta en una de sus cubiertas.
El aprendizaje automático juega un papel cada vez más importante en la investigación química, por ejemplo, en el descubrimiento y desarrollo de nuevas moléculas y materiales. En este estudio, investigadores de Viena y Berlín muestran cómo la inteligencia artificial permite simulaciones fotodinámicas eficientes. Para comprender los procesos fotoinducidos,como la fotosíntesis, la percepción visual humana o el cáncer de piel ", necesitamos comprender el movimiento de las moléculas bajo la influencia de la luz UV. Además de los cálculos mecánicos clásicos, también necesitamos una mecánica cuántica que sea computacionalmente extremadamente exigente y, por lo tanto, costosa,"dice Philipp Marquetand, autor del estudio y científico del Instituto de Química Teórica.
Con métodos anteriores, los investigadores solo pudieron predecir los procesos fotoinducidos más rápidos en el rango de picosegundos 1 picosegundo = 0.000 000 000 001 segundos, con tiempos de cálculo de varios meses. El nuevo método utiliza inteligencia artificial para simularperíodos más largos, en el rango de un nanosegundo 1,000 picosegundos, con un tiempo de cálculo considerablemente menor.
Aprendizaje de redes neuronales
En su enfoque, los investigadores utilizan redes neuronales artificiales, es decir, modelos matemáticos que imitan el funcionamiento de nuestro cerebro ". Enseñamos a nuestra red neuronal las complejas relaciones cuántico-mecánicas realizando algunos cálculos de antemano y transmitiendo el conocimiento a las neuronasred ", dice la primera autora del estudio y becaria uni: docs, Julia Westermayr, del Instituto de Química Teórica. Según su conocimiento, las redes neuronales de autoaprendizaje podrán predecir lo que sucederá más rápidamente.
Como parte del estudio, los investigadores realizaron simulaciones fotodinámicas de una molécula de prueba llamada catión metilenimonio, un componente básico de la molécula retiniana que permite nuestros procesos visuales ". Después de dos meses de computación, pudimos reproducir la reacciónpor un nanosegundo; según los métodos anteriores, la simulación habría tomado alrededor de 19 años ", dice la estudiante de doctorado Julia Westermayr.
Una prueba de concepto
En el rango de nanosegundos, la mayoría de los procesos fotoquímicos tienen lugar: "Con nuestra estrategia, estamos entrando en una nueva dimensión de predicción. En principio, el enfoque que presentamos puede aplicarse a una amplia gama de moléculas más pequeñas, incluido el ADNbloques de construcción y aminoácidos ", dice Philipp Marquetand.
En el siguiente paso, los investigadores quieren usar su método para describir el aminoácido tirosina. La tirosina se encuentra en la mayoría de las proteínas, y se sospecha que promueve la ceguera y el envejecimiento de la piel después de dañarse bajo la influencia de la luz. Según el estudioautores, la estrategia presentada en general podría fomentar mejores predicciones de procesos controlados por la luz en todos los aspectos, incluido el envejecimiento del material y los fármacos fotosensibles.
Fuente de la historia :
Materiales proporcionado por Universidad de Viena . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :