El Grupo investigador de Química Teórica y Computacional de la Universidad de Oviedo (Qtcovi) ha desarrollado una innovadora arquitectura de ‘machine learning’ (aprendizaje automático) que mejora la precisión e interpretabilidad de las predicciones químicas, lo cual es el resultado de la sinergia entre la inteligencia artificial (IA) y la llamada topología químico-cuántica y allana el camino hacia una inteligencia artificial químicamente explicable.

De este modo, los investigadores eliminaron el cuello de botella que hasta el presente impidió el estudio riguroso de sistemas químicos complejos y de amplio tamaño, según informó la Universidad de Oviedo. El hallazgo, logrado en colaboración con la Universidad de Luxemburgo, se publicó en la revista ‘Nature Communications’.

El equipo investigador de la universidad asturiana, en un avance para la química computacional, diseñó una “novedosa” arquitectura basada en redes neuronales artificiales que permite predecir con alta precisión y coherencia física propiedades químicas locales.

Esta innovación “promete revolucionar” el conocimiento de la química al proporcionar predicciones cuantitativas precisas y arrojar, por primera vez, interpretaciones químicas comprensibles.

De esta manera, el grupo de investigación combinó inteligencias artificiales de última generación con técnicas físicamente rigurosas como la teoría cuántica de átomos en moléculas o el esquema de partición energética de átomos cuánticos interactuantes.

“Pensamos que, si desarrollamos arquitecturas de inteligencia artificial que aprendan directamente propiedades de topología químico-cuántica locales en el espacio real, podríamos obtener modelos interpretables y transferibles”, sostuvo el estudiante de doctorado del grupo de investigación, Miguel Gallegos.