Una novedosa herramienta de acceso abierto desarrollada por investigadores de ingeniería de la Universidad de Toronto está preparada para revolucionar la forma en que los científicos navegan por el mundo en rápida expansión de las estructuras organometálicas (MOF). Estos materiales versátiles, apreciados por su superficie ultraalta y su química ajustable, tienen un inmenso potencial en campos que van desde la administración de fármacos y la catálisis hasta la captura de carbono. Sin embargo, mantener el ritmo del creciente volumen de investigación de MOF se ha convertido en un desafío importante, uno que aborda directamente esta nueva herramienta, llamada MOF-ChemUnity.
La promesa y la complejidad de los MOF
Las estructuras organometálicas destacan por su excepcional superficie: algunas variantes alcanzan hasta 7.000 m²/g, es decir, un solo gramo contiene suficiente superficie interior para cubrir un campo de fútbol. Esta estructura única permite una amplia gama de aplicaciones. Los MOF pueden actuar como tamices moleculares, capturando selectivamente dióxido de carbono de mezclas de gases, o como sensores, detectando trazas de moléculas. Sus propiedades catalíticas pueden acelerar reacciones industriales, mientras que su estructura porosa permite la liberación controlada del fármaco.
La importancia de los MOF fue subrayada recientemente por el Premio Nobel de Química 2025. Sin embargo, el enorme crecimiento de la investigación (que abarca más de 25 dominios de aplicaciones) ha creado un cuello de botella en el conocimiento, que obstaculiza tanto a los investigadores humanos como a las herramientas de inteligencia artificial diseñadas para ayudarlos.
Presentamos MOF-ChemUnity: un gráfico de conocimiento estructurado
El equipo del profesor Mohamad Moosavi del Departamento de Ingeniería Química y Química Aplicada y el Vector Institute desarrollaron MOF-ChemUnity para superar este desafío. La herramienta funciona como un gráfico de conocimiento estructurado y escalable que extrae y vincula sistemáticamente información de artículos de investigación del MOF, repositorios de estructuras cristalinas y bases de datos de materiales computacionales.
En esencia, MOF-ChemUnity emplea un flujo de trabajo de modelo de lenguaje grande (LLM) de múltiples agentes para conectar nombres químicos en la literatura científica con sus estructuras cristalinas correspondientes. Esto permite representar los procedimientos de síntesis, las propiedades de los materiales y las aplicaciones potenciales en un formato coherente y legible por máquina.
“El descubrimiento científico comienza con la lectura y la síntesis de la literatura, pero este sigue siendo uno de los pasos más difíciles de automatizar”, explica Moosavi. “MOF-ChemUnity crea una base unificada sobre la que pueden construir tanto los investigadores como los sistemas de IA”.
Reducir las “alucinaciones” de la IA mediante literatura fundamentada
El equipo demostró el impacto de su sistema integrando el gráfico de conocimiento con los LLM para crear un asistente de IA basado en la literatura para los MOF. A diferencia de los sistemas de inteligencia artificial estándar, propensos a generar declaraciones plausibles pero incorrectas (“alucinaciones”), este asistente se basa en registros experimentales y computacionales verificados.
En evaluaciones ciegas realizadas por expertos del MOF, las respuestas del asistente fueron calificadas consistentemente como más precisas, interpretables y confiables que las producidas por LLM básicos como GPT-4o. Al basar las respuestas de la IA en literatura seleccionada y vinculada, el sistema reduce significativamente el riesgo de razonamiento científico poco confiable.
“Este enfoque reduce las alucinaciones, que son uno de los principales obstáculos a la hora de aplicar modelos lingüísticos de gran tamaño a los ámbitos científicos”, afirma Moosavi.
Acceso abierto e implicaciones futuras
El equipo de la U of T, liderado por Moosavi, junto con los colaboradores clave Thomas Pruyn y Amro Aswad, ha puesto el conjunto de datos y el código a disposición abierta en GitHub, fomentando el progreso continuo en la ciencia de los materiales y la investigación impulsada por la IA.
Moosavi visualiza MOF-ChemUnity como un trampolín hacia un cambio más amplio en la forma en que se organiza y se accede al conocimiento científico. La herramienta rompe los silos en la investigación, permitiendo que los sistemas de IA procesen datos en todos los campos, superando las limitaciones de los investigadores humanos.
“Los investigadores humanos están limitados por la cantidad de artículos que pueden leer, pero MOF-ChemUnity da un primer paso para habilitar sistemas de inteligencia artificial que puedan procesar datos en todos los campos. Establece un nuevo paradigma para el descubrimiento basado en la literatura”.
Este trabajo no sólo acelera el descubrimiento de materiales sino que también sienta las bases para sistemas de conocimiento generalizados que pueden revolucionar la investigación en múltiples disciplinas científicas.
