Investigadores de la Universidad de Osaka han utilizado inteligencia artificial para comparar modelos de la estructura microscópica del agua en su estado superenfriado. El trabajo identifica los descriptores más eficaces para distinguir entre dos formas líquidas de agua que compiten entre sí.
Los científicos han observado desde hace mucho tiempo que el agua se expande cuando se congela y presenta otros comportamientos inusuales. Estos rasgos están vinculados a cambios entre un líquido de alta densidad y un líquido de baja densidad a nivel molecular, especialmente cuando el agua se enfría por debajo de su punto de congelación normal sin solidificarse.
El equipo entrenó una red neuronal con datos de simulaciones de dinámica molecular. El modelo evaluó 16 descriptores estructurales para determinar cuáles captaban mejor las diferencias clave entre los dos estados líquidos a diversas temperaturas.
El autor correspondiente, Kang Kim, señaló que el enfoque se basa en métodos de aprendizaje automático que han demostrado ser eficaces para clasificar datos estructurales. El autor principal, Nobuyuki Matubayasi, afirmó que la red determinó los descriptores más eficientes a través de este proceso.
Los hallazgos fueron publicados en Communications Chemistry. El marco de trabajo podría mejorar la comprensión de cómo los cambios moleculares se relacionan con las propiedades termodinámicas del agua.
