El agua cubre la mayor parte de la superficie de la Tierra, pero se comporta de maneras que la diferencian de casi todos los demás líquidos. Una de sus propiedades más inusuales es que se expande en lugar de contraerse cuando se congela. Los científicos han vinculado durante mucho tiempo estos extraños comportamientos con cambios en la estructura microscópica del agua a medida que cambian la temperatura y la presión, pero les ha faltado una forma consistente de describir y comparar estos cambios estructurales.
Ahora, investigadores de la Universidad de Osaka han recurrido a la inteligencia artificial (IA) para abordar ese desafío. Su sistema de inteligencia artificial proporciona una forma unificada de comparar diferentes métodos para describir la composición del agua superenfriada, lo que ayuda a identificar cuál captura las propiedades más importantes. El estudio fue publicado contacto quimica.
¿Por qué el agua sobreenfriada se comporta de manera tan extraña?
Para que el agua líquida se congele, sus moléculas deben organizarse en una red cristalina ordenada. Este proceso comienza en el sitio de nucleación, una superficie donde pueden comenzar a formarse cristales de hielo. Pequeñas impurezas en el agua o incluso rayones microscópicos dentro de un recipiente pueden proporcionar esos puntos de partida.
Si estos sitios de nucleación están ausentes, el agua puede permanecer líquida incluso después de enfriarse por debajo de su punto de congelación normal. Este estado inusual se conoce como agua sobreenfriada.
En estas condiciones, las propiedades inusuales del agua se vuelven más evidentes. Los científicos creen que estos comportamientos están relacionados con el equilibrio entre dos lípidos en competencia: una lipoproteína de alta densidad (HDL) y una lipoproteína de baja densidad (LDL). A nivel molecular, las moléculas de agua forman y rompen constantemente redes de enlaces de hidrógeno. A medida que aumenta la temperatura, las estructuras HDL más compactas se vuelven cada vez más dominantes sobre la estructura LDL más abierta.
La IA compara modelos de agua de la competencia
A lo largo de los años, los investigadores han propuesto varias formas de describir la disposición local de las moléculas de agua, incluidas medidas como el orden de los enlaces tetraédricos y la densidad local. Debido a que estos descriptores estructurales se desarrollaron de forma independiente, utilizan diferentes escalas, dimensiones y tipos de datos. Esto dificulta compararlos directamente y determinar cuál es el más útil.
“Estudios anteriores han demostrado que utilizar el aprendizaje automático para clasificar y comprender datos estructurados es eficaz”, explica el autor correspondiente Kang Kim. “Específicamente queríamos incluir un modelo de red neuronal en este estudio para evaluar qué tan precisos eran los descriptores al capturar información estructural clave, de una manera que se asemeja a la cognición humana”.
Para entrenar la IA, los investigadores alimentaron la red neuronal con datos estructurales generados a partir de simulaciones de dinámica molecular de agua sobreenfriada. Mediante repetidas pruebas y errores, el sistema aprende a reconocer patrones significativos en la estructura molecular.
Nuevas pistas sobre la estructura oculta del agua
“La red utilizó lo aprendido para comparar cómo 16 descriptores diferencian entre estructuras LDL y HDL a diferentes temperaturas”, informa Nobuyuki Matubayashi, autor principal. “Así, determinamos el descriptor más eficiente”.
Los investigadores dicen que su estructura podría mejorar la comprensión de los científicos sobre cómo los cambios estructurales microscópicos están relacionados con el comportamiento termodinámico del agua. Los hallazgos también podrían ayudar a explicar los orígenes de las propiedades inusuales del agua y al mismo tiempo guiar el desarrollo de mejores herramientas para estudiar su compleja estructura molecular.
