Inteligencia artificial y química verde: la alianza que revoluciona los laboratorios universitarios

Nuevas herramientas digitales permitieron optimizar la síntesis de compuestos y facilitar la elección de alternativas ecológicas, transformando la investigación y la formación en laboratorios universitarios.

Un equipo de la Universidad de Nottingham desarrolló herramientas de inteligencia artificial, integradas en la plataforma abierta AI4Green, que ofrecieron soluciones para mejorar procesos químicos y promover prácticas sostenibles.

Estas tecnologías brindaron a químicos y estudiantes la posibilidad de seleccionar solventes ecológicos y planificar síntesis más eficientes, abordando retos ambientales clave en la industria.

La sostenibilidad en la química y el rol de la inteligencia artificial

La creciente necesidad de reducir el impacto ambiental de los procesos químicos impulsó la incorporación de la IA como herramienta de mejora. Según la Universidad de Nottingham, estos desarrollos respondieron al desafío de establecer prácticas más respetuosas con el medioambiente en sectores fundamentales como la salud o la energía.

Jonathan Hirst, profesor y líder del equipo de investigación, explicó: “Los procesos químicos resultan esenciales para la invención de nuevas moléculas y materiales, pero pueden ser tóxicos y perjudiciales para el entorno. Es vital que los químicos encuentren nuevas formas de trabajar de manera más sostenible. La IA ofreció soluciones que pueden compartirse fácilmente y esperamos que cualquier persona que se desempeñe en el campo de la química adopte este nuevo marco”.

La química sostenible buscó reducir residuos y consumo energético, en sintonía con los Objetivos de Desarrollo Sostenible de la ONU. Las universidades desempeñaron un rol clave en esta transición, utilizando herramientas digitales como la IA para acelerar la adopción de prácticas responsables en investigación y enseñanza.

Mejoras en algoritmos de retrosíntesis: eUCT y dUCT

Uno de los avances destacados fue la mejora de algoritmos aplicados a la retrosíntesis, es decir, la planificación para fabricar moléculas a partir de materiales disponibles. Este procedimiento, que durante mucho tiempo se realizó de forma manual, pudo automatizarse gracias al trabajo del equipo de Nottingham, que creó variantes del algoritmo de búsqueda de árbol de Monte Carlo (MCTS), conocidas como eUCT y dUCT.

Ambas versiones se integraron en AI4Green y en el software AiZynthFinder, logrando una notable reducción en los tiempos de cálculo para sintetizar compuestos complejos. De acuerdo con Journal of Chemical Information and Modeling, el algoritmo dUCT permitió resolver un 15% más de moléculas dentro de un conjunto de 1.500 compuestos pesados (de 500 a 800 Da), y amplió en un 35% las rutas de síntesis posibles en comparación con el modelo estándar.

Además, dUCT duplicó la cantidad de iteraciones posibles en el mismo intervalo de tiempo, lo que ofreció una exploración más amplia de rutas sintéticas y redujo el consumo energético en el proceso.

Gracias a la incorporación de estos algoritmos en AI4Green, los usuarios accedieron a rutas de síntesis evaluadas en tiempo real, a partir de métricas como el E-factor (residuos por unidad de producto), la intensidad de masa del proceso (PMI) y la eficiencia de masa de reacción (RME). Todos estos indicadores se mostraron de manera visual e intuitiva en la plataforma.

Solventes más verdes con Solvent Surfer

Otro componente central de AI4Green fue Solvent Surfer, una herramienta basada en análisis de componentes principales (PCA), que facilitó la elección de disolventes más sostenibles. Dado que los solventes representan más de la mitad de los residuos en la síntesis de ingredientes farmacéuticos activos, su selección resulta crucial.

El sistema empleó dieciséis parámetros físico-químicos para mapear 57 disolventes siguiendo los criterios de la guía CHEM21. Los usuarios pudieron ajustar los mapas según sus propios datos experimentales, como rendimiento o solubilidad.

La plataforma ofreció también guías de sustitución y alertas automáticas con opciones más ecológicas. ACS Sustainable Chemistry & Engineering informó que esta herramienta demostró su utilidad en casos reales, como la sustitución de solventes en reacciones de tioesterificación y aminación reductora, agrupando alternativas de buen desempeño y bajo impacto ambiental.

Formación universitaria: AI4Green4Students

El uso de AI4Green se extendió a las aulas a través de AI4Green4Students, una versión del cuaderno de laboratorio electrónico (ELN) creada junto con Physical Sciences Data Infrastructure. Estudiantes de tercer año la utilizaron durante proyectos relacionados con la reacción de acoplamiento Suzuki-Miyaura, clave en la creación de compuestos bioactivos.

El propósito fue ajustar condiciones de reacción para mejorar la eficiencia y reducir los residuos. Los alumnos planificaron sus experimentos de forma digital, evaluaron riesgos y completaron formularios interactivos. En el informe que compartió la universidad, todos los estudiantes que utilizaron AI4Green4Students integraron métricas sostenibles en sus informes, mientras que ninguno del grupo que trabajó con OneNote lo hizo.

Los aspectos más valorados fueron las plantillas estructuradas, la retroalimentación automática y la herramienta de codificación por colores para la selección de solventes. Entre los comentarios recibidos, destacaron: “El ELN ofreció una estructura clara para saber qué completar y fue fácil dibujar los esquemas de reacción” y “completar el formulario de seguridad resultó más sencillo gracias a las casillas de verificación”.

Casos de uso y validación

AI4Green se validó en distintos entornos. En investigación, los algoritmos optimizados permitieron diseñar rutas más sostenibles para compuestos complejos como el almotriptán, utilizado contra la migraña. La versión dUCT-v2 identificó opciones con mejores índices de sostenibilidad, considerando parámetros como solventes, temperatura y economía atómica.

En la docencia, AI4Green4Students ofreció por primera vez una evaluación sostenible de las prácticas experimentales universitarias. La herramienta facilitó la colaboración entre estudiantes e instructores, así como la documentación organizada de los trabajos.

Las encuestas posteriores reflejaron una valoración positiva. La mayoría de los participantes consideró que AI4Green superó a OneNote en áreas como el diseño de esquemas, la elección de catalizadores y el análisis de sostenibilidad.

Perspectivas futuras

El equipo de Nottingham tiene previsto seguir ampliando y mejorando AI4Green. Las próximas versiones incorporarán nuevas métricas, como análisis de ciclo de vida y toxicidad, junto con módulos adicionales y herramientas de aprendizaje automático para analizar datos y evaluar informes de laboratorio.

La plataforma se ofrece de manera abierta y gratuita, y está en proceso de adaptación para implementarse en otras instituciones. El código fuente, así como materiales de apoyo —como guías rápidas y vídeos—, ya se encuentran disponibles en los repositorios oficiales.