Comprender el camino del agua mediante el aprendizaje automático

Nov 20, 2023

Complete el siguiente formulario y le enviaremos por correo electrónico una versión en PDF de "Comprender el camino del agua mediante el aprendizaje automático"

Complete el siguiente formulario para desbloquear el acceso a TODOS los artículos de audio.

El agua ha desconcertado a los científicos durante décadas. Durante los últimos 30 años más o menos, han teorizado que cuando se enfría a una temperatura muy baja, como -100C, el agua podría separarse en dos fases líquidas de diferentes densidades. Al igual que el aceite y el agua, estas fases no se mezclan y pueden ayudar a explicar algunos de los otros comportamientos extraños del agua, como la forma en que se vuelve menos densa a medida que se enfría.

Sin embargo, es casi imposible estudiar este fenómeno en un laboratorio, porque el agua se cristaliza en hielo muy rápidamente a temperaturas tan bajas. Ahora, una nueva investigación del Instituto de Tecnología de Georgia utiliza modelos de aprendizaje automático para comprender mejor los cambios de fase del agua, abriendo más vías para una mejor comprensión teórica de varias sustancias. Con esta técnica, los investigadores encontraron una fuerte evidencia computacional que respalda la transición líquido-líquido del agua que se puede aplicar a los sistemas del mundo real que usan agua para operar.

"Estamos haciendo esto con cálculos de química cuántica muy detallados que intentan estar lo más cerca posible de la física real y la química física del agua", dijo Thomas Gartner, profesor asistente en la Escuela de Ingeniería Química y Biomolecular de Georgia Tech. "Esta es la primera vez que alguien ha podido estudiar esta transición con este nivel de precisión".

La investigación se presentó en el artículo, "Transición líquido-líquido en el agua desde los primeros principios", en la revista Physical Review Letters, con coautores de la Universidad de Princeton.

Para comprender mejor cómo interactúa el agua, los investigadores realizaron simulaciones moleculares en supercomputadoras, que Gartner comparó con un microscopio virtual.

"Si tuvieras un microscopio infinitamente poderoso, podrías acercarte hasta el nivel de las moléculas individuales y ver cómo se mueven e interactúan en tiempo real", dijo. "Esto es lo que estamos haciendo al crear casi una película computacional".

Los investigadores analizaron cómo se mueven las moléculas y caracterizaron la estructura del líquido a diferentes temperaturas y presiones del agua, imitando la separación de fases entre los líquidos de alta y baja densidad. Recopilaron una gran cantidad de datos, ejecutando algunas simulaciones durante hasta un año, y continuaron ajustando sus algoritmos para obtener resultados más precisos.

Incluso hace una década, ejecutar simulaciones tan largas y detalladas no habría sido posible, pero el aprendizaje automático de hoy ofrece un atajo. Los investigadores utilizaron un algoritmo de aprendizaje automático que calculó la energía de cómo las moléculas de agua interactúan entre sí. Este modelo realizó el cálculo significativamente más rápido que las técnicas tradicionales, lo que permitió que las simulaciones progresaran de manera mucho más eficiente.

El aprendizaje automático no es perfecto, por lo que estas largas simulaciones también mejoraron la precisión de las predicciones. Los investigadores tuvieron cuidado de probar sus predicciones con diferentes tipos de algoritmos de simulación. Si múltiples simulaciones dieron resultados similares, entonces validó su precisión.

"Uno de los desafíos de este trabajo es que no hay muchos datos con los que podamos comparar porque es un problema que es casi imposible de estudiar experimentalmente", dijo Gartner. "Realmente estamos empujando los límites aquí, así que esa es otra razón por la que es tan importante que intentemos hacer esto usando múltiples técnicas computacionales diferentes".

Algunas de las condiciones que probaron los investigadores eran extremos que probablemente no existen directamente en la Tierra, pero que potencialmente podrían estar presentes en varios entornos acuáticos del sistema solar, desde los océanos de Europa hasta el agua en el centro de los cometas. Sin embargo, estos hallazgos también podrían ayudar a los investigadores a explicar y predecir mejor la extraña y compleja química física del agua, informar el uso del agua en procesos industriales, desarrollar mejores modelos climáticos y más.

El trabajo es aún más generalizable, según Gartner. El agua es un área de investigación bien estudiada, pero esta metodología podría expandirse a otros materiales difíciles de simular como los polímeros o fenómenos complejos como las reacciones químicas.

"El agua es tan fundamental para la vida y la industria, por lo que esta cuestión particular de si el agua puede pasar por esta transición de fase ha sido un problema de larga data, y si podemos avanzar hacia una respuesta, eso es importante", dijo. "Pero ahora tenemos esta nueva técnica computacional realmente poderosa, pero aún no sabemos cuáles son los límites y hay mucho espacio para avanzar en el campo".

Referencia: Gartner TE, Piaggi PM, Car R, Panagiotopoulos AZ, Debenedetti PG. Transición líquido-líquido en agua a partir de primeros principios. Phys Rev Lett. 2022;129(25):255702. doi: 10.1103/PhysRevLett.129.255702

Este artículo se ha vuelto a publicar a partir de los siguientes materiales. Nota: el material puede haber sido editado por su extensión y contenido. Para obtener más información, póngase en contacto con la fuente citada.