Cientista do MIT ensina AI a entender química para desenvolver novos medicamentos

Connor Kolja do Instituto de Tecnologia de Massachusetts trabalha na intersecção entre química e aprendizado de máquina. Sua nova abordagem ajuda sistemas de AI não apenas a encontrar padrões nos dados, mas a compreender princípios fundamentais de química — e utilizar esse conhecimento para desenvolver novos medicamentos.

Por Que o ML Convencional Não É Suficiente

Modelos tradicionais de aprendizado de máquina são treinados em enormes volumes de dados e procuram padrões. Mas em química, isso é insuficiente: uma molécula que parece estatisticamente similar pode ter propriedades completamente diferentes. É necessário que a AI compreenda as regras químicas reais — como os átomos interagem, por que os elétrons se distribuem de determinada forma. É por isso que Kolja integrou princípios químicos em seus modelos. A AI agora não adivinha; ela raciocina — como um químico experiente.

Como Funciona

A abordagem de Kolja utiliza as chamadas redes neurais informadas por física (physics-informed neural networks). Elas combinam o poder do aprendizado profundo com restrições explícitas derivadas da química. O modelo pode propor uma molécula que:

• Nunca apareceu nos dados de treinamento
• Mas está em conformidade com as leis químicas — não viola valência, balanço de elétrons
• E provavelmente possui as propriedades desejadas para um medicamento

É como dar à AI não apenas um conjunto de exemplos, mas um livro de química e pedir que resolva um problema criativo.

Aplicações e Potencial

"Queremos que a AI não apenas preveja quais moléculas funcionarão, mas que possa explicar por quê", diz

Kolja.

Essa abordagem já mostra resultados. A AI encontra candidatos a medicamentos que químicos humanos deixariam passar — porque são incomuns ou atípicos, mas nem por isso deixam de ser funcionais. Isso acelera os estágios iniciais do desenvolvimento: em vez de sintetizar centenas de compostos, pesquisadores podem primeiro filtrar para os 10–20 melhores candidatos. Para a farmacêutica, isso é crítico: desenvolver um único medicamento custa bilhões e leva anos.

O Que Isso Significa

Isso sinaliza como o aprendizado de máquina está mudando. A primeira geração de AI foi puramente estatística — adivinhava padrões. A segunda geração incorpora conhecimento especializado e leis físicas. A AI deixa de ser apenas uma ferramenta de busca e passa a ser uma pesquisadora que raciocina segundo as regras. Para a química e biologia, isso pode significar acelerar não apenas o desenvolvimento de medicamentos, mas também a descoberta de novos materiais e catalisadores.