Un nuovo strumento ad accesso aperto sviluppato dai ricercatori di ingegneria dell’Università di Toronto è pronto a rivoluzionare il modo in cui gli scienziati si muovono nel mondo in rapida espansione delle strutture metallo-organiche (MOF). Questi materiali versatili, apprezzati per la loro area superficiale ultraelevata e la chimica sintonizzabile, hanno un potenziale immenso in campi che vanno dalla somministrazione di farmaci e dalla catalisi alla cattura del carbonio. Tuttavia, tenere il passo con il volume in accelerazione della ricerca sui MOF è diventata una sfida importante, che questo nuovo strumento, denominato MOF-ChemUnity, affronta direttamente.
La promessa e la complessità dei MOF
Le strutture metallo-organiche si distinguono per la loro eccezionale superficie: alcune varianti vantano fino a 7.000 m²/g, il che significa che un singolo grammo contiene una superficie interna sufficiente per coprire un campo di calcio. Questa struttura unica consente una vasta gamma di applicazioni. I MOF possono agire come setacci molecolari, catturando selettivamente l’anidride carbonica dalle miscele di gas, o come sensori, rilevando tracce di molecole. Le loro proprietà catalitiche possono accelerare le reazioni industriali, mentre la loro struttura porosa consente il rilascio controllato dei farmaci.
L’importanza dei MOF è stata recentemente sottolineata dal Premio Nobel per la Chimica 2025. Tuttavia, la crescita vertiginosa della ricerca – che abbraccia oltre 25 domini applicativi – ha creato un collo di bottiglia della conoscenza, ostacolando sia i ricercatori umani che gli strumenti di intelligenza artificiale progettati per assisterli.
Presentazione di MOF-ChemUnity: un grafico della conoscenza strutturato
Il team del professor Mohamad Moosavi presso il Dipartimento di ingegneria chimica e chimica applicata e il Vector Institute hanno sviluppato MOF-ChemUnity per superare questa sfida. Lo strumento funziona come un grafico della conoscenza strutturato e scalabile che estrae e collega sistematicamente informazioni da documenti di ricerca MOF, archivi di strutture cristalline e database di materiali computazionali.
Fondamentalmente, MOF-ChemUnity utilizza un flusso di lavoro LLM (Large Language Model) multi-agente per collegare i nomi chimici presenti nella letteratura scientifica alle corrispondenti strutture cristalline. Ciò consente di rappresentare le procedure di sintesi, le proprietà dei materiali e le potenziali applicazioni in un formato coerente e leggibile dalla macchina.
«La scoperta scientifica inizia con la lettura e la sintesi della letteratura, ma questo rimane uno dei passaggi più difficili da automatizzare», spiega Moosavi. “MOF-ChemUnity crea una base unificata su cui sia i ricercatori che i sistemi di intelligenza artificiale possono basarsi”.
Ridurre le “allucinazioni” dell’IA attraverso la letteratura radicata
Il team ha dimostrato l’impatto del proprio sistema integrando il grafico della conoscenza con i LLM per creare un assistente AI basato sulla letteratura per i MOF. A differenza dei sistemi di intelligenza artificiale standard inclini a generare affermazioni plausibili ma errate (“allucinazioni”), questo assistente si basa su record sperimentali e computazionali verificati.
Nelle valutazioni cieche condotte da esperti MOF, le risposte dell’assistente sono state costantemente valutate come più accurate, interpretabili e affidabili rispetto a quelle prodotte da LLM di base come GPT-4o. Basando le risposte dell’intelligenza artificiale su una letteratura curata e collegata, il sistema riduce significativamente il rischio di ragionamenti scientifici inaffidabili.
“Questo approccio riduce le allucinazioni, che rappresentano uno dei maggiori ostacoli nell’applicazione di modelli linguistici di grandi dimensioni ai domini scientifici”, afferma Moosavi.
Accesso aperto e implicazioni future
Il team dell’U of T – guidato da Moosavi, insieme ai principali contributori Thomas Pruyn e Amro Aswad – ha reso il set di dati e il codice apertamente disponibili su GitHub, promuovendo il progresso continuo nella scienza dei materiali e nella ricerca basata sull’intelligenza artificiale.
Moosavi immagina MOF-ChemUnity come un trampolino di lancio verso un cambiamento più ampio nel modo in cui la conoscenza scientifica viene organizzata e accessibile. Lo strumento abbatte i silos nella ricerca, consentendo ai sistemi di intelligenza artificiale di elaborare dati in diversi campi, superando i limiti dei ricercatori umani.
“I ricercatori umani sono limitati dal numero di articoli che possono leggere, ma MOF-ChemUnity compie un primo passo verso l’attivazione di sistemi di intelligenza artificiale in grado di elaborare dati in diversi campi. Stabilisce un nuovo paradigma per la scoperta informata sulla letteratura.”
Questo lavoro non solo accelera la scoperta dei materiali, ma getta anche le basi per sistemi di conoscenza generalizzati che possono rivoluzionare la ricerca in molteplici discipline scientifiche
