Por Philip Ifrah, jefe de producto en Good Chemistry
La convergencia de tecnologías de vanguardia, incluida la inteligencia artificial (IA), la computación en la nube y la química cuántica, está configurada para crear un cambio sísmico en el descubrimiento científico que cambiará el mundo tal como lo conocemos.
Estamos entrando en una era en la que se pueden revelar nuevos medicamentos, fuentes de energías renovables y materiales avanzados más allá de nuestra imaginación con la ayuda de herramientas guiadas por la computación.
Si bien la experimentación "in silico" basada en computadora ha existido desde los años noventa, las tecnologías informáticas necesarias para hacer que la simulación química precisa sea práctica y asequible apenas están disponibles.
Hasta hace poco, solo las empresas que podían comprar, mantener y albergar supercomputadoras muy costosas en sus instalaciones podían realizar experimentos de química computacional, hasta cierto punto.
Esta barrera para la potencia informática se eliminó de manera efectiva con la tecnología en la nube, que ahora puede ofrecer capacidades de supercomputación sin el gran gasto de capital y el dolor de cabeza continuo de mantener el hardware.
Además, los nuevos avances en áreas como la inteligencia artificial y la computación cuántica están abriendo posibilidades completamente nuevas para el descubrimiento científico y el desarrollo acelerado de materiales.
La promesa de la química computacional
Los materiales están en el corazón de toda innovación tecnológica. Ya sea un nuevo fármaco, una célula solar, una batería o un catalizador, su rendimiento depende de su estructura y propiedades moleculares.
Sin embargo, la cantidad de materiales posibles que se pueden sintetizar es (más que) astronómicamente grande. Las estimaciones sugieren que hay más de 10 180 moléculas sintetizables, lo que empequeñece la cantidad de átomos incluso en el universo observable (es decir, 10 82 ), probabilidades peores que encontrar una aguja en un pajar.
Los métodos tradicionales para el descubrimiento de materiales se basan en experimentos de prueba y error: sintetizar miles de compuestos candidatos y probar sus propiedades uno por uno. Este enfoque es costoso, requiere mucho tiempo, es un desperdicio y, a menudo, no tiene éxito. Por ejemplo, llevó décadas descubrir nuevos medicamentos para la tuberculosis o nuevos catalizadores para la síntesis del amoníaco utilizando métodos experimentales.
Por el contrario, la simulación guiada por computadora explora sistemáticamente el vasto espacio químico e identifica candidatos prometedores antes de sintetizarlos. Mediante el uso de la mecánica cuántica para modelar cómo interactúan los átomos y forman moléculas, la química computacional puede predecir con precisión varias propiedades de los materiales.
Estas predicciones se pueden usar para seleccionar candidatos potenciales en función de los criterios deseados, como la estabilidad, la solubilidad, la reactividad, la toxicidad, etc., lo que reduce los esfuerzos y los costos experimentales.
La clave para desbloquear el vasto potencial de la química computacional radica en resolver la ecuación de Schrödinger, que describe cómo se comportan los electrones en sistemas como átomos y moléculas.
Sin embargo, resolver la ecuación de Schrödinger con exactitud es muy difícil incluso para sistemas simples, con un alto costo computacional que aumenta exponencialmente con el tamaño del sistema.
Para superar este desafío, los químicos cuánticos han desarrollado varios métodos de aproximación que sacrifican la precisión por la velocidad. Cada método tiene sus propias fortalezas y debilidades, pero el factor limitante son, en última instancia, los recursos computacionales disponibles, ya que los cálculos de química cuántica requieren grandes cantidades de memoria, potencia de procesamiento y espacio de almacenamiento.
Entrando a la computación en la nube
La química cuántica es una herramienta poderosa para el descubrimiento de materiales, pero enfrenta importantes desafíos computacionales que han limitado su practicidad y uso generalizado. Los sistemas tradicionales de computación de alto rendimiento (HPC) pueden, al menos parcialmente, aliviar estos desafíos.
Sin embargo, las supercomputadoras son extremadamente costosas de comprar y mantener, y no son adecuadas para cargas de trabajo en ráfagas que requieren una ampliación y reducción rápidas, a menudo con una disponibilidad limitada que debe reservarse con anticipación.
La computación en la nube democratiza el acceso a las capacidades de la supercomputación al ofrecer recursos informáticos de alto rendimiento como servicios escalables bajo demanda disponibles en cualquier momento sin necesidad de invertir en hardware o infraestructura. Solo se paga por lo que se usa, cuando lo usa, lo que lo hace perfecto para las cargas de trabajo explosivas de la química cuántica.
Un proyecto reciente abordó el problema de eliminar las PFAS (sustancias perfluoroalquiladas y polifluoroalquiladas) tóxicas del medio ambiente, un desafío mundial urgente para el que la química tradicional no tiene respuesta. Un equipo que incluía a AWS, Accenture, Good Chemistry e Intel realizó un cálculo químico enormemente complejo en una plataforma, QEMIST Cloud, que escaló a más de 1,1 millones de núcleos de CPU simultáneamente en "instancias puntuales" de AWS no dedicadas ni reservadas.
Ejecutar esas simulaciones secuencialmente habría llevado años. En cambio, la energía de ruptura de enlaces de PFAS se calculó con precisión en poco más de un día.
Inteligencia artificial: la última pieza del rompecabezas
Incluso con los métodos químicos cuánticos de última generación y la llegada de la computación en la nube, hay cálculos que parecen intratables.
Sin embargo, a medida que entramos en la era dorada de la inteligencia artificial, las simulaciones químicas ahora tienen el potencial de realizarse miles de veces más rápido.
La IA predice las propiedades de los sistemas químicos en función de su estructura y composición y, por extensión, estos métodos también se pueden utilizar para diseñar nuevas moléculas y materiales con las características deseadas.
Por ejemplo, los modelos de aprendizaje automático (ML) pueden aprender de conjuntos de datos existentes de estructuras y propiedades moleculares y luego usar este conocimiento para hacer predicciones para nuevas moléculas o materiales. Los modelos ML también pueden optimizar las estructuras moleculares o las vías de reacción al encontrar las configuraciones de energía más bajas o las rutas más eficientes.
Estos métodos también permiten a los investigadores explorar nuevas regiones del espacio químico que no se habían considerado previamente. Se pueden generar nuevas moléculas y materiales mediante la combinación de bloques de construcción existentes o mediante la modificación de estructuras existentes, en función del conocimiento previo "aprendido" de otros sistemas.
Los métodos de IA también pueden manejar la incertidumbre y el ruido en los datos mejor que los métodos tradicionales mediante el uso de modelos probabilísticos o la incorporación de mecanismos de retroalimentación.
Para lograr estos beneficios, los métodos de IA necesitan conjuntos de datos de alta calidad con fines de capacitación y validación. La calidad de los datos determina qué tan bien un modelo de ML puede aprender de ellos y generalizar a nuevos casos. Una forma de abordar este desafío es utilizar cálculos de química cuántica impulsados por una infraestructura en la nube altamente escalable como fuente de datos de alta calidad para entrenar modelos de ML.
El futuro de la química
El futuro de la química no se trata solo de encontrar agujas en un pajar; también se trata de crear nuevos pajares que nunca antes habían existido.
Con la increíble convergencia de tecnologías de vanguardia como la IA, la computación en la nube y la química cuántica, estamos presenciando una revolución que redefinirá la forma en que entendemos y manipulamos la materia a nivel molecular.
El acceso sin precedentes a la computación de alto rendimiento asequible y masivamente escalable proporcionada por la nube allana el camino para los cálculos de química cuántica de alto rendimiento que, a su vez, impulsarán modelos de IA predictivos y generativos potentes.
Estos modelos armarán a los investigadores con conocimientos sobre las propiedades químicas que estimularán la innovación y ampliarán los límites de lo que es científicamente posible. Por primera vez, los científicos podrán explorar un espacio químico desconocido para encontrar moléculas que superen nuestra imaginación.
Con las moléculas en la base de todo en nuestro universo, está claro que esta transformación acelerará el descubrimiento de avances históricos en una enorme variedad de industrias, desde la medicina y la energía hasta el medioambiente, la fabricación y más.