By kenna hughes-castleberry publicado el 07 de octubre de 2022
Muchas ecuaciones de la física cuántica pueden resultar útiles para guiar a los investigadores que analizan las interacciones químicas. Como tanto la física cuántica como química Aunque funcionan en los mismos niveles atómicos, a menudo se utilizan en conjunto para lograr nuevos resultados. Recientemente, investigadores del Laboratorio Nacional de Los Alamos (LANL) llevó este emparejamiento un paso más allá al agregar máquina de aprendizaje Procesos para ayudar a predecir la interacción bioquímica en simulaciones moleculares. Esto, a su vez, podría ayudar a acelerar los pasos en el diseño de fármacos y otros escenarios industriales, haciendo que los fármacos sean más seguros y rápidos a largo plazo.
Uso del aprendizaje automático para conjuntos de datos
Ya se están implementando procesos de aprendizaje automático aplicada a la computación cuántica y la física cuántica. Debido a que el aprendizaje automático predice y crea patrones a partir de grandes grupos de datos, es beneficioso para campos como la física cuántica o la química, que tienen muchas piezas en movimiento. Según el investigador de LANL Benjamín Nebgen: “antes de la llegada de los métodos de aprendizaje automático (ML) en los campos de la química y la ciencia de los materiales, la simulación práctica más grande de la química y los sistemas de materiales tenía un límite de unos pocos miles de átomos. Esto es demasiado pequeño para capturar con precisión muchos efectos que dictan las propiedades químicas o materiales, como las vías de los granos o las vías reactivas raras”. Gracias a los beneficios del aprendizaje automático, los investigadores pueden estudiar escenarios más complicados en simulaciones, incluidos aquellos centrados en la física y la química cuánticas.
Para científicos que diseñan nuevos drogas Al estudiar reacciones químicas, es importante comprender completamente lo que sucede con los electrones a nivel cuántico. "El movimiento de los electrones y los núcleos atómicos controla casi todas las propiedades químicas y materiales que definen nuestra existencia moderna", dijo Nebgen. “Esto incluye la química de todo, desde los medicamentos que tomamos, los productos de limpieza domésticos que utilizamos a diario hasta los combustibles de nuestros propios automóviles y camiones. Además, las propiedades de los materiales que componen nuestros automóviles, casas, herramientas, aviones y casi todo con lo que interactuamos a diario están controladas por la misma física subyacente”. Esto permite a los investigadores profundizar en las interacciones de una molécula a un nivel fundamental. Sin embargo, una vez que se alcanza este nivel, surgen matemáticas más complicadas. "Las fuerzas que actúan sobre los átomos individuales que entran en las ecuaciones de Newton se derivan del movimiento de los electrones, que son inherentemente de naturaleza cuántica", explicó Nebgen. "Por tanto, los electrones deben tratarse con la ecuación de Schrodinger, que es un problema matemático mucho más difícil de resolver".
LANL utiliza el aprendizaje automático para crear modelos
Para superar estas difíciles ecuaciones, investigadores como Nebgen están utilizando herramientas de aprendizaje automático. Estas herramientas pueden acelerar una simulación química centrándose sólo en unos pocos de los electrones más importantes del sistema, añadió Nebgen. Utilizando una herramienta de aprendizaje automático llamada red neuronal, Nebgen y su equipo pudieron crear una modelo predictivo de los posibles estados de los electrones y sus energías asociadas dentro de una molécula. A partir de ahí, el equipo pudo predecir con precisión algunos de los posibles resultados de la simulación dadas diferentes entradas. Para las empresas de biotecnología que gastan millones de dólares en diseñar y probar nuevos medicamentos, modelos predictivos como este podrían brindar muchos beneficios rentables. Si bien el uso del aprendizaje automático en la industria farmacéutica no es nuevo, combinarlo con el poder de la computación cuántica puede crear la próxima generación de tecnología necesaria para lanzar medicamentos futuros.
Kenna Hughes-Castleberry es redactora de Inside Quantum Technology y comunicadora científica en JILA (una asociación entre la Universidad de Colorado Boulder y el NIST). Sus ritmos de escritura incluyen tecnología profunda, metaverso y tecnología cuántica.
