En los viejos tiempos, en los tiempos verdaderamente viejos, la tarea de diseñar materiales era laboriosa. Los investigadores, a lo espacioso de más de 1.000 abriles, intentaron producir oro combinando rudimentos como plomo, mercurio y azufre, mezclados en lo que esperaban que fueran las proporciones adecuadas. Incluso científicos famosos como Tycho Brahe, Robert Boyle e Isaac Newton probaron suerte en el esfuerzo infructuoso que llamamos alquimia.
Por supuesto, la ciencia de los materiales ha renovador mucho. Durante los últimos 150 abriles, los investigadores han podido apelar a la tabla periódica de rudimentos, que les dice que diferentes rudimentos tienen diferentes propiedades y que uno no puede transformarse mágicamente en otro. Encima, en la última período, las herramientas de estudios forzoso han aumentado considerablemente nuestra capacidad para determinar la estructura y las propiedades físicas de diversas moléculas y sustancias. Una nueva investigación realizada por un montón dirigido por Ju Li, profesor de Ingeniería Nuclear de la Compañía de Energía Eléctrica de Tokio en el MIT y profesor de ciencia e ingeniería de materiales, ofrece la promesa de un gran brinco en las capacidades que pueden simplificar el diseño de materiales. Los resultados de su investigación son informó en una publicación de diciembre de 2024 de Ciencia Computacional de la Naturaleza.
En la contemporaneidad, la mayoría de los modelos de estudios forzoso que se utilizan para caracterizar sistemas moleculares se basan en la teoría eficaz de la densidad (DFT), que ofrece un enfoque de la mecánica cuántica para determinar la energía total de una molécula o cristal observando la distribución de la densidad electrónica. – que es, básicamente, el número promedio de electrones ubicados en una pelotón de bombeo más o menos de cada punto cubo en el espacio cerca de la molécula. (Walter Kohn, quien coinventó esta teoría hace 60 abriles, recibió el Premio Nobel de Química por ella en 1998.) Si aceptablemente el método ha tenido mucho éxito, tiene algunos inconvenientes, según Li: “En primer sitio, la precisión no es uniformemente magnífico. Y, en segundo sitio, sólo te dice una cosa: la energía total más víctima del sistema molecular”.
La “terapia de pareja” al rescate
Su equipo ahora se podio en una técnica de química computacional diferente, incluso derivada de la mecánica cuántica, conocida como teoría de clústeres acoplados o CCSD(T). «Este es el habitual de oro de la química cuántica», comenta Li. Los resultados de los cálculos CCSD(T) son mucho más precisos que los que se obtienen con los cálculos DFT y pueden ser tan confiables como los que se obtienen actualmente a través de experimentos. El problema es que realizar estos cálculos en una computadora es muy gradual, dice, “y la escalera es mala: si se duplica el número de electrones en el sistema, los cálculos se vuelven 100 veces más caros”. Por esa razón, los cálculos de CCSD(T) normalmente se han prohibido a moléculas con un pequeño número de átomos, del orden de 10. Cualquier cosa mucho más allá de eso simplemente llevaría demasiado tiempo.
Ahí es donde entra en ocio el estudios forzoso. Los cálculos CCSD(T) se realizan primero en computadoras convencionales y luego los resultados se utilizan para entrenar una red neuronal con una edificio novedosa especialmente diseñada por Li y sus colegas. Luego del entrenamiento, la red neuronal puede realizar estos mismos cálculos mucho más rápido aprovechando técnicas de tratamiento. Es más, su maniquí de red neuronal puede extraer mucha más información sobre una molécula que sólo su energía. «En trabajos anteriores, la multitud ha utilizado múltiples modelos diferentes para evaluar diferentes propiedades», dice Hao Tang, estudiante de doctorado en ciencia e ingeniería de materiales del MIT. «Aquí utilizamos solo un maniquí para evaluar todas estas propiedades, por lo que lo llamamos un enfoque ‘multitarea'».
La “red hamiltoniana electrónica multitarea”, o MEHnet, arroja luz sobre una serie de propiedades electrónicas, como los momentos dipolares y cuadripolares, la polarizabilidad electrónica y la brecha de excitación óptica: la cantidad de energía necesaria para tomar un electrón del estado fundamental al estado excitado más bajo. «La brecha de excitación afecta las propiedades ópticas de los materiales», explica Tang, «porque determina la frecuencia de la luz que puede ser absorbida por una molécula». Otra delantera de su maniquí entrenado con CCSD es que puede revelar propiedades no solo de los estados fundamentales, sino incluso de los estados excitados. El maniquí incluso puede predecir el espectro de anexión infrarroja de una molécula en relación con sus propiedades vibratorias, donde las vibraciones de los átomos adentro de una molécula se acoplan entre sí, lo que lleva a diversos comportamientos colectivos.
La solidez de su enfoque debe mucho a la edificio de la red. Basándose en el trabajo del profesor asistente del MIT Tess Smithel equipo está utilizando la llamamiento red neuronal gráfica equivalente E(3), dice Tang, “en la que los nodos representan átomos y los bordes que conectan los nodos representan los enlaces entre los átomos. Incluso utilizamos algoritmos personalizados que incorporan principios de la física (relacionados con cómo las personas calculan las propiedades moleculares en la mecánica cuántica) directamente en nuestro maniquí”.
Pruebas, 1, 2 3
Cuando se probó en su exploración de moléculas de hidrocarburos conocidas, el maniquí de Li et al. superó a sus homólogos DFT y coincidió estrechamente con los resultados experimentales tomados de la letras publicada.
Qiang Zhu, experto en descubrimiento de materiales de la Universidad de Carolina del Ideal en Charlotte (que no participó en este estudio), está impresionado por lo que se ha acabado hasta ahora. «Su método permite un entrenamiento eficaz con un pequeño conjunto de datos, al tiempo que logra una precisión y eficiencia computacional superiores en comparación con los modelos existentes», afirma. «Este es un trabajo apasionante que ilustra la poderosa sinergia entre la química computacional y el estudios profundo, y ofrece nuevas ideas para desarrollar métodos de estructura electrónica más precisos y escalables».
El montón con sede en el MIT aplicó su maniquí primero a rudimentos pequeños no metálicos (hidrógeno, carbono, ázoe, oxígeno y flúor, a partir de los cuales se pueden formar compuestos orgánicos) y desde entonces pasó a examinar rudimentos más pesados: silicio, fósforo, azufre, cloro e incluso platino. Luego de entrenarse en moléculas pequeñas, el maniquí se puede divulgar a moléculas cada vez más grandes. «Anteriormente, la mayoría de los cálculos se limitaban a analizar cientos de átomos con DFT y sólo decenas de átomos con cálculos CCSD(T)», dice Li. «Ahora estamos hablando de manejar miles de átomos y, eventualmente, quizás decenas de miles».
Por ahora, los investigadores todavía están evaluando moléculas conocidas, pero el maniquí puede estilarse para caracterizar moléculas que no se han manido antiguamente, así como para predecir las propiedades de materiales hipotéticos que constan de diferentes tipos de moléculas. «La idea es utilizar nuestras herramientas teóricas para inclinarse candidatos prometedores, que satisfagan un conjunto particular de criterios, antiguamente de sugerirlos a un experimentador para que los revise», dice Tang.
Se tráfico de las aplicaciones
De cara al futuro, Zhu se muestra jovial sobre las posibles aplicaciones. «Este enfoque tiene potencial para la detección molecular de detención rendimiento», afirma. «Esa es una tarea en la que conseguir precisión química puede ser esencial para identificar nuevas moléculas y materiales con propiedades deseables».
Una vez que demuestren la capacidad de analizar moléculas grandes con quizás decenas de miles de átomos, dice Li, “deberíamos poder inventar nuevos polímeros o materiales” que podrían estilarse en el diseño de fármacos o en dispositivos semiconductores. El examen de rudimentos de metales de transición más pesados podría conducir a la aparición de nuevos materiales para baterías, un radio que actualmente es de gran requisito.
El futuro, tal como lo ve Li, está muy extenso. “Ya no se tráfico sólo de un radio”, afirma. “Nuestra deseo, en última instancia, es cubrir toda la tabla periódica con una precisión de nivel CCSD(T), pero a un coste computacional último que el DFT. Esto debería permitirnos resolver una amplia variedad de problemas en química, biología y ciencia de materiales. Es difícil memorizar, en la contemporaneidad, cuán amplio podría ser ese rango”.
Este trabajo fue apoyado por el Instituto de Investigación Honda. Hao Tang agradece el apoyo de Mathworks Engineering Fellowship. Los cálculos de este trabajo se realizaron, en parte, en el simulador atomístico universal de reincorporación velocidad Matlantis, el Texas Advanced Computing Center, el MIT SuperCloud y el National Energy Research Scientific Computing.