p Engenheiros e químicos da Universidade de Hiroshima usaram com sucesso a tecnologia subjacente ao reconhecimento facial para projetar cristais quirais. Este é o primeiro estudo relatando o uso desta tecnologia, chamada de análise de regressão logística, para prever quais grupos químicos são os melhores para fazer moléculas quirais. Os resultados foram publicados em Cartas de Química . p A quiralidade descreve a qualidade de possuir uma imagem no espelho para outra coisa, mas sem a capacidade de sobrepô-lo. Seu pé esquerdo, por exemplo, é um espelho do seu direito. Eles parecem semelhantes, Mas não são os mesmos. É por isso que você não pode usar um sapato esquerdo no pé direito.

p A ideia é semelhante na química. Duas moléculas podem ter a mesma composição de elementos, mas sua geometria pode ser diferente. Uma hélice quiral canhota pode ter uma hélice destra correspondente.

p Contudo, fazer uma imagem espelhada de uma molécula quiral é mais complicado do que apenas reorganizar algumas ligações. Uma camada extra de complexidade surge ao fazer um cristal, uma série altamente ordenada de átomos ou moléculas que podem se estender em três dimensões.

p "A parte mais difícil de fazer um cristal quiral, "o autor principal Katsuya Inoue disse, "é saber desenhá-los." Inoue é pesquisadora da Escola de Graduação em Engenharia da Hiroshima University (HU).

p De acordo com Inoue, é difícil misturar átomos diferentes de modo que sua geometria quiral coexista em um único cristal. Sozinho, dois tipos de átomos desejarão formar ligações com os mesmos ângulos. Quando combinados, no entanto, eles não podem.

p A equipe analisou 686 cristais quirais e 1000 cristais aquirais do Inorganic Crystal Structure Database. Usando regressão logística, A equipe de Inoue projetou um modelo para mostrar a melhor maneira de projetar cristais quirais.

p Eles calcularam quais grupos químicos da tabela periódica têm elementos com maior probabilidade de coexistir em um cristal quiral. Os grupos que correspondem ao carbono, azoto, e o oxigênio foram os melhores - ou os números do grupo 14, 15, e 16, respectivamente.

p A regressão logística é um método estatístico que pode distinguir dois objetos. Eri Shimono, co-autor e assistente de pesquisa do Departamento de Química e Centro de Pesquisa Quiral do HU, comparou-o ao uso em smartphones.

p "No reconhecimento facial, smartphones usam aprendizado de máquina para classificar rostos e coisas que não são rostos, "Shimono disse." Podemos treinar nosso modelo para detectar possibilidades quirais e não quirais. Nesse caso, no entanto, a entrada não é uma imagem. É informação. "

p Daqui para frente, a equipe está ajustando o modelo de previsão de duas maneiras. Primeiro, eles querem contabilizar mais átomos em um cristal. "Começamos com dois átomos. Na realidade, no entanto, muitos cristais são feitos com três ou quatro, "Inoue disse." Temos que estender esse modelo para caber nesses casos. "

p Segundo, eles estão aplicando o aprendizado profundo. O modelo atual, que usa aprendizado de máquina básico, é feito a partir de dados existentes. O aprendizado profundo permitiria aos pesquisadores classificar os novos dados como quirais ou não. A partir desses resultados, a equipe planeja começar a criar alguns cristais previstos e explorar como construir um ímã quiral a partir deles.