Con su fila de cámaras brillantes conectadas por tubos ondulados, la configuración impulsada por IA parece más una cervecería futurista que un laboratorio de química.

Sin embargo, cuando su operador humano le da una indicación (“hacer aspirina”), el sistema entra en acción como un equipo de químicos bien engrasado. Una IA toma el mando y recorre la web para optimizar una “receta” del medicamento. Otra IA traduce los resultados en código y una tercera dirige brazos robóticos para llevar a cabo el experimento.

El sistema, llamado Coscientist, es el último esfuerzo para automatizar la química con grandes modelos de lenguaje. El tipo de algoritmo detrás del popular ChatGPT, los grandes modelos de lenguaje, han conquistado el mundo con su capacidad para comprender entradas de lenguaje, audio e imágenes, al tiempo que ofrecen respuestas útiles, aunque no siempre precisas.

La IA ya está causando sensación en el laboratorio. Desde modelar estructuras de proteínas (la solución a un enigma que lleva media década de duración) hasta buscar patrones en datos genéticos y “alucinar” nuevas drogas químicas como antibióticos, la tecnología es listo para transformar la ciencia.

Coscientist es uno de los primeros de su tipo. Desarrollado por el Dr. Gabe Gomes y sus colegas de la Universidad Carnegie Mellon, aprende de forma autónoma recetas para reacciones químicas y diseña procedimientos de laboratorio para realizarlas en tan solo unos minutos.

Como prueba de concepto, el sistema de extremo a extremo logró una reacción química compleja que ganó Premio Nobel de Química 2010 por su papel fundamental en el desarrollo de fármacos.

"Esta es la primera vez que una inteligencia no orgánica planificó, diseñó y ejecutó esta compleja reacción inventada por los humanos". dijo Gómez.

Una peculiaridad del sistema es su modularidad. Al dividir las tareas químicas, Coscientist se comporta como un equipo de químicos trabajando en conjunto para encontrar una solución, acelerando todo el proceso de descubrimiento de fármacos.

Coscientist acerca “la visión de los laboratorios autónomos un paso más a la realidad” escribí Ana Laura Dias y el Dr. Tiago Rodrigues de la Universidad de Lisboa, que no participaron en el trabajo.

Breaking Bad

La química se parece mucho a perfeccionar una receta.

Comienza con un objetivo: producir un producto químico con el menor desperdicio. Así como los cocineros navegan por la web en busca de ideas de recetas, los químicos investigan la literatura publicada y diseñan un protocolo.

Es un proceso tedioso. Ante el desafío de sintetizar una nueva sustancia química, los químicos pasan horas buscando bases de datos de moléculas y reacciones similares. Necesitan múltiples rondas de investigación, experimentación y revisión antes de obtener la molécula deseada con un desperdicio mínimo.

“Por lo tanto, los químicos aspiraron durante mucho tiempo a desarrollar sistemas automatizados para facilitar su trabajo”, escribieron Dias y Rodrigues.

Un paso importante es inyectar diferentes tipos de productos químicos en las cantidades exactas y en tiempos perfectos en múltiples “cámaras” para que puedan tener lugar reacciones separadas. Normalmente, esto se hace a mano, pero ahora se pueden programar fácilmente robots asequibles para establecer nuevas interacciones químicas. Sin embargo, no son perfectos. La mayoría sólo puede realizar una reacción.

“Estas limitaciones han frustrado el sueño” de los robots químicos autónomos, escribieron Dias y Rodrigues.

Aquí es donde entra en juego GPT-4 de OpenAI, el algoritmo detrás de ChatGPT.

Hola mundo quimico

Comparando una variedad de modelos de lenguaje grandes, como GPT-4, Claudey halcón, el equipo descubrió que Coscientist podía generar “recetas” detalladas para producir productos químicos con altos rendimientos. El nuevo estudio es un proceso de tres pasos que conecta múltiples instancias ajustadas de GPT-4 en un químico automatizado.

El primero es el bibliotecario de IA, que aprende de una variedad de fuentes en línea. Cuando el equipo hizo un seguimiento de sus preferencias, descubrió que la IA pasaba la mayor parte del tiempo visitando literatura de las principales revistas químicas. Esta idea es valiosa. A menudo descritos como una "caja negra", los modelos de lenguaje grandes no siempre explican cómo calculan sus resultados. Coscientist, por otro lado, expone su razonamiento como un químico que escribe notas en un libro de laboratorio, por lo que su trabajo es más fácil de reproducir.

La segunda IA ​​de Coscientist “lee” manuales de usuario de brazos robóticos que dispensan reactivos químicos; como si leyera un folleto sobre cómo utilizar una cortadora de césped nueva, la IA consume el conocimiento para “comprender” sus instrucciones.

Finalmente, la tercera IA opera un brazo robótico para sintetizar sustancias químicas. También tiene un "modo profesor" incorporado, que analiza qué reacciones funcionan (y cuáles no) para retroalimentar el sistema y realizar ajustes adicionales.

Un esfuerzo Nobel

En una prueba inicial, Coscientist actuó como una especie de bartender.

Cargada con líquidos de múltiples colores, la IA controló el brazo robótico para rociar cuidadosamente cada color en una línea dentro de una rejilla de 96 pocillos. Esto es como intentar hacer cubitos de hielo de varios colores en una bandeja para hielo sin que se derramen. En su mayor parte funcionó. Con un simple comando "dibuja una diagonal azul", Coscientist pudo seguir las instrucciones (con un poco de ayuda humana).

Para aumentar la dificultad, el equipo luego desafió al sistema a sintetizar siete medicamentos de gran éxito, incluidos analgésicos comunes como la aspirina, el paracetamol (el ingrediente activo del Tylenol) y el ibuprofeno.

Coscientist calculó la cantidad de cada ingrediente que se necesitaba para cada brazo robótico y los mezcló a la velocidad óptima. La IA tuvo problemas la primera vez, pero con la práctica aprendió cuándo los brazos robóticos se sobrecalentaban o cuándo los químicos se desbordaban. Finalmente, como un cocinero experimentado, la IA encontró una receta perfecta para el producto deseado.

El equipo también pidió a Coscientist que optimizara una variedad de reacciones químicas para aumentar el rendimiento, un desafío químico notoriamente difícil. Con solo 10 ejemplos, el sistema funcionó mejor que un método de aprendizaje automático establecido. Coscientist tuvo problemas cuando sus componentes GPT no tenían suficientes ejemplos, pero aprendió rápidamente. Después de cada iteración, adquirió “conocimiento” y adaptó su estrategia para planificar el siguiente paso a lo largo del tiempo.

Por ahora, Coscientist es un poco como un nuevo estudiante de química. Puede leer y analizar publicaciones actuales, generar ideas y probarlas. Pero a veces también arroja tonterías, una ruina que afecta a la mayoría de los grandes modelos lingüísticos. Por lo tanto, es necesario que los químicos utilicen su intuición y comprobar los resultados. Los problemas químicos del mundo real también son mucho más complejos que los abordados en el estudio, especialmente en el ámbito de la biología.

Con un mayor desarrollo, el equipo visualiza a Coscientist como una ayuda. Puede probar rápidamente una variedad de recetas químicas y los químicos pueden dormir bien por la noche mientras el sistema robótico funciona.

"Podemos tener algo que funcione de forma autónoma, intentando descubrir nuevos fenómenos, nuevas reacciones, nuevas ideas", dijo Gomes.

Crédito de la imagen: luis caña / Unsplash

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://singularityhub.com/2024/01/09/the-ai-behind-chatgpt-is-ready-to-do-chemistry/