La Inteligencia Artificial puede tener la respuesta sobre la propagación de la contaminación

Se llaman oficialmente moléculas de hidrocarburos policíclicos aromáticos (PAHs) en superficies de grafeno, y se originan durante la combustión incompleta del carbón, el petróleo o la gasolina y, por tanto, son muy nocivas y altamente contaminantes, Conocer cómo se propagan estas moléculas podría dar un giro a la estrategia medioambiental y para la protección de la salud, y la Inteligencia Artificial tener la respuesta.

Investigadores del Instituto Universitario de Estudios Avanzados en Física Atómica, Molecular y Fotónica (IUdEA) de la Universidad de La Laguna (ULL) han impulsado una nueva línea de investigación centrada en el uso y aplicación de técnicas de inteligencia artificial para determinar cómo se produce esta propagación, intentar entender su funcionamiento y difusión que es «de suma importancia en el desarrollo de numerosas investigaciones», tal y como explica el profesor del Departamento de Física de la ULL y director del Instituto Universitario de Estudios Avanzados en Física Atómica, Molecular y Fotónica, Javier Hernández-Rojas.

«Lo que estamos intentando con esta investigación es llegar a conocer la forma en la que se difunden esas moléculas en la superficie, ya que ese dato nos daría información muy valiosa sobre cómo interaccionan entre sí y, en concreto, cómo lo hacen en una superficie de grafeno», apunta el experto. Con este reto, el personal investigador del centro académico ha iniciado una línea de colaboración con especialistas en inteligencia artificial de la Universidad de Aalto (Finlandia).

La investigadora de la universidad finlandesa, Rina Ibragimova, es experta en el uso y aplicación del 'machine learning' en la construcción de interacciones de sistemas complejos formados por multitud de partículas, apunta que la gran ventaja al utilizar esta rama de la inteligencia artificial radica en su extrema precisión.

Partiendo de varias configuraciones, esta disciplina va entrenando al sistema para que reconozca cuál es la estructura en cada hecho concreto. El 'machine learning' contempla la posibilidad de conocer cuáles son las propiedades de sistemas muy pequeños para abordar después sistemas muy grandes con una enorme exactitud, algo que no se obtiene con la física clásica.

En su investigación, Rina Ibragimova está abordando sistemas grandes, hasta de 10.000 átomos, en los que no solo es importante su tamaño, sino las interacciones entre ellos y, sobre todo, la exactitud en el valor de esas interacciones.

Sus estudios, aunque se centran en la ciencia básica, pueden servir también para la ciencia aplicada, y ese es uno de los fundamentos de la colaboración iniciada entre las universidades de La Laguna y Aalto.

Ambas universidades han mantenido ya varias reuniones con grupos de investigación, uno de ellos de astrofísica, interesados en conocer el origen de la formación del fullereno (C-60), una molécula descubierta en la década de los 80.

La optimización de estudios como los del fullereno, así como del coroneno, también de bastante interés en la astrofísica, junto a la posibilidad de estudiar el 'machine learning' en condiciones extremas, a altísima presión y temperatura, lo que posibilitaría encontrar un nuevo material muy resistente, son otros de los objetivos de esta investigación.