Tomó casi un siglo de prueba y error para los científicos humanos organizar la tabla periódica de elementos, posiblemente uno de los mayores logros científicos en química, en su forma actual.
Investigadores de la Universidad de Stanford desarrollaron un programa de inteligencia artificial que recreó la tabla de elementos químicos con el objetivo de descubrir y diseñar nuevos materiales.
Atom2Vec, es el programa que aprendió con éxito a distinguir entre diferentes átomos después de analizar una lista de nombres de compuestos químicos de una base de datos en línea. Luego, la IA no supervisada usó conceptos tomados del campo del procesamiento del lenguaje natural, en particular, la idea de que las propiedades de las palabras pueden entenderse al observar otras palabras que las rodean, para agrupar los elementos de acuerdo con sus propiedades químicas.
“Queríamos saber si una IA puede ser lo suficientemente inteligente como para descubrir la tabla periódica por sí misma, y nuestro equipo demostró que sí puede”, dijo el líder del estudio Shoucheng Zhang , el profesor de Física de JG Jackson y CJ Wood en la Facultad de Humanidades y Ciencias de Stanford.
La investigación fue publicada en la edición del 25 de julio de Proceedings of the National Academy of Sciences y es un primer paso hacia un objetivo más ambicioso, que es el reemplazo de la prueba de Turing, el estándar de oro actual para la máquina de medición inteligencia.
Para que una IA pase la prueba de Turing, debe ser capaz de responder a las preguntas escritas de maneras que no se distinguen de las humanas. Pero Zhang piensa que la prueba es defectuosa porque es subjetiva. “Los humanos son el producto de la evolución y nuestras mentes están llenas de todo tipo de irracionalidades. Para que una IA pase la prueba de Turing, necesitaría reproducir todas nuestras irracionalidades humanas “, dijo Zhang. “Eso es muy difícil de hacer, y no es un uso particularmente bueno del tiempo de los programadores”.
En cambio, a Zhang le gustaría proponer un nuevo punto de referencia de inteligencia artificial. “Queremos ver si podemos diseñar una IA que pueda vencer a los humanos en el descubrimiento de una nueva ley de la naturaleza”, dijo. “Pero para hacer eso, primero tenemos que probar si nuestra IA puede hacer algunos de los mayores descubrimientos ya realizados por humanos”.
Al recrear la tabla periódica de elementos, Atom2Vec ha logrado este objetivo secundario.
El potasio es rey como …
Zhang y su grupo modelaron Atom2Vec en un programa de IA que los ingenieros de Google crearon para analizar el lenguaje natural. Llamado Word2Vec, el lenguaje AI funciona convirtiendo palabras en códigos numéricos o vectores. Al analizar los vectores, la IA puede estimar la probabilidad de que aparezca una palabra en un texto dada la concurrencia de otras palabras.
Por ejemplo, la palabra “rey” a menudo va acompañada de “reina” y “hombre” por “mujer”. Por lo tanto, el vector matemático de “rey” podría traducirse más o menos como “rey = una reina menos una mujer más un hombre” ”
“Podemos aplicar la misma idea a los átomos”, dijo Zhang. “En lugar de alimentarnos con todas las palabras y oraciones de una colección de textos, le dimos a Atom2Vec todos los compuestos químicos conocidos, como NaCl, KCl, H 20, etc.”.
A partir de esta información escasa, el programa de IA descubrió, por ejemplo, que el potasio (K) y el sodio (Na) deben tener propiedades similares porque ambos elementos se pueden unir al cloro (Cl). “Al igual que el rey y la reina son similares, el potasio y el sodio son similares”, dijo Zhang.
Zhang espera que en el futuro, los científicos puedan aprovechar el conocimiento de Atom2Vec para descubrir y diseñar nuevos materiales. “Para este proyecto, el programa de IA no estaba supervisado, pero podría imaginarse darle un objetivo y dirigirlo a buscar, por ejemplo, un material que sea altamente eficiente para convertir la luz solar en energía”, dijo Zhang.
Su equipo ya está trabajando en la versión 2.0 de su programa de IA, que se enfocará en descifrar un problema difícil de resolver en la investigación médica: diseñar el anticuerpo adecuado para atacar los antígenos, moléculas capaces de inducir una respuesta inmune, que son específicos de las células cancerosas. Actualmente, uno de los enfoques más prometedores para curar el cáncer es la inmunoterapia contra el cáncer, que implica el aprovechamiento de los anticuerpos que pueden atacar a los antígenos de las células cancerosas.
Pero el cuerpo humano puede producir más de 10 millones de anticuerpos únicos, cada uno de los cuales está compuesto por una combinación diferente de aproximadamente 50 genes. “Si podemos mapear estos genes del bloque de construcción en un vector matemático, entonces podemos organizar todos los anticuerpos en algo similar a una tabla periódica”, dice Zhang. “Entonces, si descubres que un anticuerpo es eficaz contra un antígeno pero es tóxico, puedes buscar dentro de la misma familia otro anticuerpo que sea igual de efectivo pero menos tóxico”.
Otros coautores de Stanford incluyen estudiantes graduados Quan Zhou y Shenxiu Liu, y el investigador postdoctoral Peizhe Tang. La financiación para la investigación fue proporcionada por el Departamento de Energía de los Estados Unidos.
Fuente: https://news.stanford.edu/2018/06/25/ai-recreates-chemistrys-periodic-table-elements/