Investigadores de la Freie Universität, en Berlín, han dado un paso más en el avance de al química cuántica, aquella cuyo objetivo es predecir las propiedades químicas y físicas de las moléculas basándose únicamente en la disposición de sus átomos en el espacio. Sin embargo, estos estudios sólo serían posibles en caso de resolver la ecuación de Schrödinger, un cálculo que es extremadamente difícil en la práctica.

Pues bien, este grupo de investigadores ha conseguido desarrollar un método basado en Inteligencia Artificial para resolver el estado fundamental de la ecuación de Schrödinger. Un cálculo que abre las puertas a un desarrollo mucho mayor de la química cuántica y que hasta ahora había sido imposible de resolver y, por lo tanto, no era posible aplicarla en el estudio o desarrollo de las moléculas dada la dificultad de los cálculos.

Los expertos de la universidad alemana han logrado la resolución de la ecuación a partir de un punto de vista totalmente diferente al utilizado. Desarrollaron un ‘deep learning’, un aprendizaje profundo, que fue capaz de lograr una combinación sin precedentes de precisión y eficiencia computacional. Los datos del estudio ya se han publicado en Nature Chemistry. “Creemos que nuestro enfoque puede tener un impacto significativo en el futuro de la química cuántica”, afirma el director del estudio, Frank Noé.

Función de onda

Para conocer mejor el avance de la química cuántica, así como de la ecuación de Schrödinger, es necesario conocer un parámetro por el cual se basan ambas partes. La ‘función de onda’ es un objeto matemático por el cual se conoce como es el comportamiento de los electrones dentro de una molécula. Un parámetro que, a su vez, depende de muchas variables, por lo que es especialmente complicado conocer o capturar cada uno de los matices por los cuales un electrón interactúa con todos los demás. Por ello, son resultados muy inexactos.

“Escapar del equilibrio habitual entre precisión y coste computacional es el mayor logro de la química cuántica. Creemos que el método Quantum Monte Carlo, el enfoque que proponemos, podría tener el mismo éxito, si no más, que los métodos más populares, porque ofrece una precisión sin precedentes a un coste computacional que aún es aceptable”, explica Jan Hermann, coautor de la investigación.

Diseño de una red neuronal

Incluso el avance de la red neuronal diseñada por este grupo de investigadores supone una forma de representar las funciones de onda. “En lugar del enfoque estándar de componer la función de onda a partir de componentes matemáticos relativamente simples, diseñamos una red neuronal artificial capaz de aprender los patrones complejos de cómo se ubican los electrones alrededor de los núcleos”, explica uno de los implicados en este estudio.

Además, la antisimetría de las funciones de ondas electrónicas obligó a los expertos a “construir esta propiedad en la arquitectura de la red neuronal para que el enfoque funcionara”. Un hecho que dio nombre a su método, ‘PauliNet’, debido a que se conoce a la característica como “principio de exclusión de Pauli”.

“Esta sigue siendo una investigación fundamental, pero se trata de un nuevo enfoque para un antiguo problema en las ciencias moleculares y de materiales, y estamos entusiasmados con las posibilidades que abre”, añaden los autores, sabiendo que quedan mucho antes de que su método esté listo para su uso industrial.