Un nuevo estudio liderado por Pablo Piaggi, investigador de CIC nanoGUNE, ofrece, gracias a la inteligencia artificial avanzada, nuevas pistas sobre cómo se forman los minerales en la naturaleza.

Publicado en el número especial ‘Machine Learning in Chemistry’ de la publicación  ‘Proceedings of the National Academy of Sciences’ (PNAS), demuestra que los modelos de aprendizaje automático –sistemas de IA que aprenden de datos– pueden simular complejas reacciones químicas esenciales para comprender la biomineralización (proceso mediante el que los organismos forman minerales como conchas y esqueletos) y la secuenciación de carbono, un mecanismo clave para mitigar el cambio climático.

La investigación se ha centrado en el carbonato cálcico, un mineral presente en conchas marinas, corales y formaciones geológicas, que también juega un papel crítico en la captura de CO2 atmosférico.

A pesar de que las simulaciones moleculares se llevan utilizando desde hace tiempo para estudiar su formación, los modelos anteriores carecían de la precisión suficiente para captar reacciones sutiles, pero críticas, como la transferencia de protones, un paso fundamental de la cristalización.

Para superar este obstáculo, Piaggi y su equipo se valieron de nuevos avances en inteligencia artificial y desarrollaron un modelo de aprendizaje automático basado en mecánica cuántica de primeros principios.

Pérdida de un protón

Además de mejorar la precisión, abordar la cuestión mediante la IA también permite desvelar detalles ocultos hasta el momento. Uno de ellos es descubrir cómo la pérdida de un protón está mediada por la asociación de los iones.

Las implicaciones son significativas. Este método supone un gran paso en el estudio desde el principio de las reacciones químicas en biominerales y el papel que desempeñan en la cristalización.

Contribuye también a una mejor comprensión de los procesos que ocurren en ambientes naturales como el agua marina, donde las condiciones son más complejas, pero extremadamente relevantes, tanto para la biología como para la ciencia climática.

El artículo forma parte de un monográfico sobre cómo los avances del aprendizaje automático, de la ciencia de datos y de la inteligencia artificial están transformando rápidamente todos los ámbitos de la química.

Particularmente muestra cómo estos métodos están permitiendo nuevos descubrimientos en las áreas del diseño molecular, la predicción de reacciones, o el desarrollo de materiales, mientras define indicaciones clave para investigaciones futuras en este ámbito en rápido crecimiento.