Descobrir novas moléculas para usos específicos é um motor importante de progresso em uma ampla variedade de indústrias, seja empresas farmacêuticas que buscam novos fármacos, ou empresas de eletrônica ou energia que buscam novos materiais com propriedades particulares.
Progressos recentes foram feitos no uso de artificial intelligence e machine learning para suplementar ou acelerar cálculos trabalhosos baseados em princípios físicos que podem ao menos fornecer alguma orientação inicial sobre quais compostos podem valer a pena sintetizar e testar.
Os resultados foram relatados na edição de 14 de setembro do Journal of Chemical Information and Modeling , em um artigo do estudante de pós‑graduação do MIT Akshat Shirish Zalte e do recém‑graduado Jackson Burns PhD ’26, da Research Scientist Charlles Abreu, do Professor William Green e de três pesquisadores da empresa química BASF.
Uma versão anterior do artigo está online desde o ano passado, e o modelo de código aberto desenvolvido pela equipe, chamado CheMeleon, já encontrou uso regular em várias empresas farmacêuticas. CheMeleon foi construído usando ChemProp, um pacote de machine-learning de código aberto também desenvolvido e mantido pelo grupo Green no MIT,
Fonte: MIT News - AI
Publicado em 2026-11-06