La IA está siendo maravillosa para la ciencia; en este caso, el objeto a estudiar es el agua. Su comportamiento cuando está superenfriada tiene una variante interesante que ha llevado a los científicos a estudiar su estructura microscópica. El agua está presente en nuestra superficie, pero precisamente es brillante porque se comporta de muchas maneras y es así como se distingue dentro de los líquidos. Cuando se congela, se expande en lugar de contraerse.
El problema es que no existe un método que pueda ayudar a describir y comparar sus cambios estructurales. Es ahí cuando se recurre a la IA para que pueda ayudar a hacer las comparaciones para encontrar e identificar las características más relevantes. La investigación fue publicada en Communications Chemistry.
El agua sigue dando de qué hablar por sus múltiples comportamientos, en específico cuando está superenfriada
Para que el agua en líquido llegue al hielo, las moléculas se organizan en una red ordenada. Inicia un proceso de un punto de nucleación, donde se forman los cristales de hielo. Si los puntos no existen, el agua puede seguir líquida después de haber sido enfriada por debajo de su punto de congelación normal; eso es lo que se conoce como agua sobreenfriada. En estas condiciones, el agua toma propiedades inusuales. Los científicos indican que está relacionado con el equilibrio entre dos formas de agua líquidas que se enfrentan: alta y baja densidad. A nivel molecular, las moléculas de agua forman y rompen redes de enlaces de hidrógeno. Si aumenta la temperatura, las estructuras de alta densidad predominan sobre las de baja densidad, aunque sean más compactas.
Kang Kim, autor principal del estudio, señala que el uso de aprendizaje automático en estudios previos para clasificar y comprender datos estructurales es eficaz. Lo que desearon es incorporar un modelo de red neuronal para poder evaluar la precisión de los descriptores a la hora de la captura de información estructural que es clave. Alimentaron dicha red con datos estructurales generados con las simulaciones de dinámica molecular del agua superenfriada para poder entrenar a la IA. Se pudieron reconocer los patrones significativos en las estructuras moleculares.
Con esto, se pudieron comparar cómo 16 descriptores diferenciaban las estructuras de alta y baja densidad en distintas temperaturas. Este marco teórico tiene el potencial de mejorar la comprensión científica de cómo los cambios estructurales microscópicos están relacionados con el comportamiento termodinámico del agua. También podría ayudar a reconocer el origen de las propiedades inusuales del agua. Es cuestión de tiempo para que puedan desarrollar más y mejores herramientas que puedan contribuir a estudiar la estructura molecular del agua, que ya se demostró que es más que compleja. La Universidad de Osaka fue la sede de toda esta investigación.