El recurs desenvolupat, GAME-Net, s’ha publicat en una revista del prestigiós grup Nature especialitzada en ciència computacional. Amb ella s’utilitza una eina avançada d’intel·ligència artificial: les xarxes neuronals de grafs (GNN, per les seves sigles en anglès).
En el nostre dia a dia, les GNN s’apliquen en diversos sectors per abordar i resoldre problemes de gran complexitat. Entre les seves aplicacions destaquen la visualització, filtrat i anàlisi de gràfics, l’anàlisi de xarxes socials o la predicció dels preus. En el camp de la catàlisi heterogènia, objecte d’estudi d’aquests investigadors, GAME-Net pot ajudar a desenvolupar nous catalitzadors més eficients i respectuosos amb el medi ambient, fonamental per reduir les emissions de gasos d’efecte hivernacle i combatre el canvi climàtic.
Per assolir la sostenibilitat, les matèries primeres ja no seran molècules petites, com el metà, sinó grans estructures procedents de la fusta (biomassa) o els residus plàstics. És crucial determinar l’energia de les molècules absorbides en superfícies per estimar el rendiment d’un catalitzador. Aquest càlcul es fa generalment utilitzant la teoria del funcional de la densitat (DFT), un dels mètodes més utilitzats en els càlculs quàntics de l’estructura electrònica de la matèria. No obstant això, per a molècules de gran mida com les presents en plàstics i biomassa, això no és viable. GAME-Net és capaç d’estimar l’energia d’adsorció amb una precisió comparable a la de DFT, amb la qual a més aquests càlculs s’acceleren significativament en aquest tipus de materials més sostenibles. “Més enllà de l’impacte a curt termini que pugui tenir la nostra feina, el nostre model demostra que les IAs són capaces de descriure interaccions químiques complexes utilitzant models extremadament simples, el que les fa més accessibles per als científics que volen accelerar la seva recerca”, conclouen el Dr. Pablo-García i Santiago Morandi.
De la mateixa manera que un catalitzador accelera una reacció química, la intel·ligència artificial té el potencial d’accelerar el descobriment de catalitzadors més òptims. Es poden intuir noves formes de transformar la catàlisi heterogènia i treballar amb molècules i materials que abans eren difícils de tractar. En resum, aquesta nova eina permet realitzar prediccions químiques molt més ràpides que les tècniques convencionals, utilitzant només un ordinador portàtil en lloc d’un costós super ordinador. Les indústries químiques poden així beneficiar-se de la integració de la intel·ligència artificial en la seva recerca per avançar i contribuir a un futur més sostenible del nostre planeta.