Cientistas da Universidade de Osaka desenvolveram um modelo de inteligência artificial (IA) para elucidar padrões moleculares que explicam o comportamento peculiar da água, especialmente quando superresfriada. A pesquisa, publicada na revista Communications Chemistry, analisa 16 descritores estruturais diferentes, permitindo uma comparação mais clara entre os dois estados líquidos da água.

Compreendendo o comportamento da água superresfriada

A água é um líquido essencial que cobre a maior parte da superfície terrestre, mas seu comportamento é notoriamente distinto em comparação com outras substâncias líquidas. Um dos aspectos mais intrigantes é a expansão da água ao congelar, um fenômeno que tem sido associado a mudanças em sua estrutura microscópica em resposta a variações de temperatura e pressão. No entanto, os cientistas enfrentavam dificuldades para descrever e comparar essas alterações estruturais de forma consistente.

O novo estudo busca abordar essa lacuna utilizando IA, que oferece uma abordagem unificada para comparar diferentes métodos de descrição da estrutura da água superresfriada. Segundo o autor correspondente, Kang Kim, a equipe queria integrar um modelo de rede neural para avaliar a precisão dos descritores em capturar informações estruturais essenciais, de maneira semelhante ao que ocorre na cognição humana.

O papel da IA na análise das estruturas da água

Historicamente, os pesquisadores propuseram várias maneiras de caracterizar a disposição local das moléculas de água, incluindo medidas como ordem de ligação tetraédrica e densidade local. No entanto, esses descritores foram desenvolvidos de forma independente, utilizando escalas, dimensões e tipos de informações diversas, dificultando a comparação direta entre eles.

Para treinar a IA, os pesquisadores alimentaram a rede neural com dados estruturais gerados a partir de simulações de dinâmica molecular da água superresfriada. Através de um processo de tentativa e erro, o sistema aprendeu a reconhecer padrões significativos nas estruturas moleculares.

O autor sênior, Nobuyuki Matubayasi, destacou que a rede utilizou o conhecimento adquirido para comparar como os 16 descritores diferenciavam entre as estruturas de baixa densidade (LDL) e alta densidade (HDL) em diferentes temperaturas, permitindo a identificação dos descritores mais eficientes.

Os pesquisadores acreditam que a estrutura proposta pode aprimorar a compreensão dos cientistas sobre como as alterações microscópicas estão ligadas ao comportamento termodinâmico da água. As descobertas podem também ajudar a explicar a origem das propriedades incomuns da água, além de orientar o desenvolvimento de ferramentas mais eficazes para o estudo de sua complexa estrutura molecular.