Innovación en el diseño de MOF con IA generativa y supercomputación
Los MOF constan de nodos inorgánicos, nodos orgánicos y enlazadores orgánicos, lo que ofrece innumerables posibilidades de configuración. Para acelerar el proceso de descubrimiento, investigadores del Laboratorio Nacional Argonne del Departamento de Energía de EE.UU., en colaboración con instituciones como la Universidad de Illinois Urbana-Champaign (UIUC), están aprovechando la inteligencia artificial generativa (IA), el aprendizaje automático, el cribado de alto rendimiento y las simulaciones de dinámica molecular.
Exploración de MOF basada en IA
El equipo generó rápidamente más de 120.000 nuevos MOF candidatos utilizando IA generativa en 30 minutos. Los cálculos computacionales se realizaron en el superordenador Polaris de la Argonne Leadership Computing Facility (ALCF).
A continuación, se realizaron simulaciones de dinámica molecular en el superordenador Delta de la UIUC para evaluar la estabilidad y la capacidad de captura de carbono de los candidatos.
Diseño pionero de MOF
Este enfoque interdisciplinar marca un cambio de paradigma en el diseño de materiales MOF, sintetizando candidatos MOF óptimos. Con los próximos avances, como el superordenador a exaescala Aurora del ALCF, los investigadores prevén explorar miles de millones de candidatos a MOF y descubrir nuevas estructuras con capacidades sin precedentes.
El equipo integra conocimientos químicos de varias disciplinas para mejorar el rendimiento de los MOF en la captura de carbono. Aprovechando conjuntos de datos de biofísica, fisiología y fisicoquímica, el algoritmo refina los diseños de MOF, prometiendo materiales transformadores que son eficientes, rentables y escalables.
Colaboración para futuros avances
Esta investigación subraya el potencial de los enfoques basados en IA en las ciencias moleculares. Al fomentar la colaboración entre instituciones y aprovechar la creatividad de los jóvenes científicos, este esfuerzo allana el camino para encontrar soluciones innovadoras a los acuciantes retos medioambientales.
A medida que evolucione el modelo de IA, sus predicciones serán cada vez más precisas, lo que facilitará la validación experimental de los MOF de nuevo diseño. Este esfuerzo interdisciplinario hace avanzar la tecnología de captura de carbono y sienta un precedente para las aplicaciones de la IA en la investigación científica, con implicaciones que se extienden a las simulaciones biomoleculares y el diseño de fármacos.
Read the original article on Nature.
Read more: Understanding Carbon Capture and Storage: Can It Effectively Reduce Emissions?
