{"id":163581,"date":"2023-12-15T10:00:00","date_gmt":"2023-12-15T10:00:00","guid":{"rendered":"https:\/\/rbnews247.com\/v1\/ciencia\/modelo-computacional-captura-los-esquivos-estados-de-transicion-de-reacciones-quimicas-noticias-del-mit\/"},"modified":"2023-12-15T10:00:00","modified_gmt":"2023-12-15T10:00:00","slug":"modelo-computacional-captura-los-esquivos-estados-de-transicion-de-reacciones-quimicas-noticias-del-mit","status":"publish","type":"post","link":"https:\/\/rbnews247.com\/v1\/ciencia\/modelo-computacional-captura-los-esquivos-estados-de-transicion-de-reacciones-quimicas-noticias-del-mit\/","title":{"rendered":"Modelo computacional captura los esquivos estados de transici\u00f3n de reacciones qu\u00edmicas |  Noticias del MIT"},"content":{"rendered":"<p> [ad_1]<br \/>\n<br \/><img decoding=\"async\" src=\"https:\/\/news.mit.edu\/sites\/default\/files\/styles\/news_article__cover_image__original\/public\/images\/202312\/MIT-Transition-State-01-press.jpg?itok=TqcLAFI6\" \/><\/p>\n<div>\n<p>Durante una reacci\u00f3n qu\u00edmica, las mol\u00e9culas ganan energ\u00eda hasta que alcanzan lo que se conoce como estado de transici\u00f3n, un punto sin retorno a partir del cual debe proceder la reacci\u00f3n.  Este estado es tan fugaz que es casi imposible observarlo experimentalmente.<\/p>\n<p>Las estructuras de estos estados de transici\u00f3n se pueden calcular mediante t\u00e9cnicas basadas en la qu\u00edmica cu\u00e1ntica, pero ese proceso requiere mucho tiempo.  Un equipo de investigadores del MIT ha desarrollado un enfoque alternativo, basado en el aprendizaje autom\u00e1tico, que puede calcular estas estructuras mucho m\u00e1s r\u00e1pidamente, en unos pocos segundos.<\/p>\n<p>Su nuevo modelo podr\u00eda usarse para ayudar a los qu\u00edmicos a dise\u00f1ar nuevas reacciones y catalizadores para generar productos \u00fatiles como combustibles o medicamentos, o para modelar reacciones qu\u00edmicas que ocurren naturalmente como aquellas que podr\u00edan haber ayudado a impulsar la evoluci\u00f3n de la vida en la Tierra.<\/p>\n<p>\"Conocer la estructura del estado de transici\u00f3n es realmente importante como punto de partida para pensar en dise\u00f1ar catalizadores o comprender c\u00f3mo los sistemas naturales realizan ciertas transformaciones\", dice Heather Kulik, profesora asociada de qu\u00edmica e ingenier\u00eda qu\u00edmica en el MIT y autora principal del estudio. .<\/p>\n<p>Chenru Duan PhD &#8217;22 es el autor principal de <a href=\"https:\/\/www.nature.com\/articles\/s43588-023-00563-7\" target=\"_blank\" rel=\"noopener\">un documento que describe el trabajo<\/a>que aparece hoy en <em>Ciencia Computacional de la Naturaleza<\/em>.  El estudiante graduado de la Universidad de Cornell, Yuanqi Du, y el estudiante graduado del MIT, Haojun Jia, tambi\u00e9n son autores del art\u00edculo.<\/p>\n<p><strong>Transiciones fugaces<\/strong><\/p>\n<p>Para que ocurra cualquier reacci\u00f3n qu\u00edmica, debe pasar por un estado de transici\u00f3n, que tiene lugar cuando alcanza el umbral de energ\u00eda necesario para que se desarrolle la reacci\u00f3n.  La probabilidad de que ocurra cualquier reacci\u00f3n qu\u00edmica est\u00e1 determinada en parte por la probabilidad de que se forme el estado de transici\u00f3n.<\/p>\n<p>\u201cEl estado de transici\u00f3n ayuda a determinar la probabilidad de que se produzca una transformaci\u00f3n qu\u00edmica.  Si tenemos mucho de algo que no queremos, como di\u00f3xido de carbono, y nos gustar\u00eda convertirlo en un combustible \u00fatil como metanol, el estado de transici\u00f3n y qu\u00e9 tan favorable es determina la probabilidad de que salgamos del reactivo del producto\u201d, dice Kulik.<\/p>\n<p>Los qu\u00edmicos pueden calcular los estados de transici\u00f3n utilizando un m\u00e9todo de qu\u00edmica cu\u00e1ntica conocido como teor\u00eda funcional de la densidad.  Sin embargo, este m\u00e9todo requiere una enorme cantidad de potencia inform\u00e1tica y puede llevar muchas horas o incluso d\u00edas calcular un solo estado de transici\u00f3n.<\/p>\n<p>Recientemente, algunos investigadores han intentado utilizar modelos de aprendizaje autom\u00e1tico para descubrir estructuras de estados de transici\u00f3n.  Sin embargo, los modelos desarrollados hasta ahora requieren considerar dos reactivos como una entidad \u00fanica en la que los reactivos mantienen la misma orientaci\u00f3n entre s\u00ed.  Cualquier otra orientaci\u00f3n posible debe modelarse como reacciones separadas, lo que aumenta el tiempo de c\u00e1lculo.<\/p>\n<p>\u201cSi las mol\u00e9culas de los reactivos se rotan, en principio, antes y despu\u00e9s de esta rotaci\u00f3n, todav\u00eda pueden sufrir la misma reacci\u00f3n qu\u00edmica.  Pero en el enfoque tradicional de aprendizaje autom\u00e1tico, el modelo las ver\u00e1 como dos reacciones diferentes.  Eso hace que el entrenamiento con aprendizaje autom\u00e1tico sea mucho m\u00e1s dif\u00edcil y menos preciso\u201d, afirma Duan.<\/p>\n<p>El equipo del MIT desarroll\u00f3 un nuevo enfoque computacional que les permiti\u00f3 representar dos reactivos en cualquier orientaci\u00f3n arbitraria entre s\u00ed, utilizando un tipo de modelo conocido como modelo de difusi\u00f3n, que puede aprender qu\u00e9 tipos de procesos tienen m\u00e1s probabilidades de generar un determinado resultado.  Como datos de entrenamiento para su modelo, los investigadores utilizaron estructuras de reactivos, productos y estados de transici\u00f3n que hab\u00edan sido calculados mediante m\u00e9todos de computaci\u00f3n cu\u00e1ntica, para 9.000 reacciones qu\u00edmicas diferentes.<\/p>\n<p>\"Una vez que el modelo aprende la distribuci\u00f3n subyacente de c\u00f3mo coexisten estas tres estructuras, podemos darle nuevos reactivos y productos, e intentar\u00e1 generar una estructura de estado de transici\u00f3n que se combine con esos reactivos y productos\", dice Duan.<\/p>\n<p>Los investigadores probaron su modelo en alrededor de 1.000 reacciones que no hab\u00edan visto antes, pidi\u00e9ndole que generara 40 posibles soluciones para cada estado de transici\u00f3n.  Luego utilizaron un \"modelo de confianza\" para predecir qu\u00e9 estados ten\u00edan m\u00e1s probabilidades de ocurrir.  Estas soluciones ten\u00edan una precisi\u00f3n de 0,08 angstroms (una cienmillon\u00e9sima de cent\u00edmetro) en comparaci\u00f3n con las estructuras de estados de transici\u00f3n generadas mediante t\u00e9cnicas cu\u00e1nticas.  Todo el proceso computacional toma solo unos segundos para cada reacci\u00f3n.<\/p>\n<p>\"Se puede imaginar que esto realmente implica pensar en generar miles de estados de transici\u00f3n en el tiempo que normalmente llevar\u00eda generar solo unos pocos con el m\u00e9todo convencional\", dice Kulik.<\/p>\n<p><strong>Modelado de reacciones<\/strong><\/p>\n<p>Aunque los investigadores entrenaron su modelo principalmente en reacciones que involucraban compuestos con una cantidad relativamente peque\u00f1a de \u00e1tomos (hasta 23 \u00e1tomos para todo el sistema), descubrieron que tambi\u00e9n pod\u00eda hacer predicciones precisas para reacciones que involucraban mol\u00e9culas m\u00e1s grandes.<\/p>\n<p>\"Incluso si nos fijamos en sistemas m\u00e1s grandes o sistemas catalizados por enzimas, obtenemos una cobertura bastante buena de los diferentes tipos de formas en que es m\u00e1s probable que los \u00e1tomos se reorganicen\", dice Kulik.<\/p>\n<p>Los investigadores ahora planean ampliar su modelo para incorporar otros componentes, como catalizadores, que podr\u00edan ayudarlos a investigar en qu\u00e9 medida un catalizador en particular acelerar\u00eda una reacci\u00f3n.  Esto podr\u00eda resultar \u00fatil para desarrollar nuevos procesos para generar productos farmac\u00e9uticos, combustibles u otros compuestos \u00fatiles, especialmente cuando la s\u00edntesis implica muchos pasos qu\u00edmicos.<\/p>\n<p>\"Tradicionalmente, todos estos c\u00e1lculos se realizan con qu\u00edmica cu\u00e1ntica, y ahora podemos reemplazar la parte de qu\u00edmica cu\u00e1ntica con este modelo generativo r\u00e1pido\", dice Duan.<\/p>\n<p>Otra posible aplicaci\u00f3n de este tipo de modelo es explorar las interacciones que podr\u00edan ocurrir entre gases encontrados en otros planetas, o modelar las reacciones simples que pueden haber ocurrido durante la evoluci\u00f3n temprana de la vida en la Tierra, dicen los investigadores.<\/p>\n<p>El nuevo m\u00e9todo representa \"un importante paso adelante en la predicci\u00f3n de la reactividad qu\u00edmica\", afirma Jan Halborg Jensen, profesor de qu\u00edmica de la Universidad de Copenhague, que no particip\u00f3 en la investigaci\u00f3n.<\/p>\n<p>\"Encontrar el estado de transici\u00f3n de una reacci\u00f3n y la barrera asociada es el paso clave para predecir la reactividad qu\u00edmica, pero tambi\u00e9n una de las tareas m\u00e1s dif\u00edciles de automatizar\", afirma.  \"Este problema est\u00e1 frenando muchos campos importantes, como el catalizador computacional y el descubrimiento de reacciones, y este es el primer art\u00edculo que he visto que podr\u00eda eliminar este cuello de botella\".<\/p>\n<p>La investigaci\u00f3n fue financiada por la Oficina de Investigaci\u00f3n Naval de EE. UU. y la Fundaci\u00f3n Nacional de Ciencias.<\/p>\n<\/p><\/div>\n<p>[ad_2]<br \/>\n<br \/><a href=\"https:\/\/news.mit.edu\/2023\/computational-model-captures-elusive-transition-states-1215\">Source link <\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>[ad_1] Durante una reacci\u00f3n qu\u00edmica, las mol\u00e9culas ganan energ\u00eda hasta que alcanzan lo que se conoce como estado de transici\u00f3n, un punto sin retorno a partir del cual debe proceder la reacci\u00f3n. Este estado es tan fugaz que es casi imposible observarlo experimentalmente. Las estructuras de estos estados de transici\u00f3n se pueden calcular mediante t\u00e9cnicas [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_et_pb_use_builder":"","_et_pb_old_content":"","_et_gb_content_width":"","footnotes":""},"categories":[52],"tags":[],"class_list":["post-163581","post","type-post","status-publish","format-standard","hentry","category-ciencia","et-doesnt-have-format-content","et_post_format-et-post-format-standard"],"_links":{"self":[{"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/posts\/163581","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/comments?post=163581"}],"version-history":[{"count":0,"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/posts\/163581\/revisions"}],"wp:attachment":[{"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/media?parent=163581"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/categories?post=163581"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rbnews247.com\/v1\/wp-json\/wp\/v2\/tags?post=163581"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}