SEMINARIO QUÍMICA ORGÁNICA 20-10-25
EXPOSITOR: Lic. Lucas Passaglia
TÍTULO: "Inteligencia artificial al servicio de la elucidación estructural".
FUENTE: Kim, H.W., Zhang, C., Reher, R. et al. "DeepSAT: Learning Molecular Structures from Nuclear Magnetic Resonance Data." J. Cheminform 15, 71 (2023). https://doi.org/10.1186/s13321-023-00738-4.
Frank Hu, Michael S. Chen, Grant M. Rotskoff, Matthew W. Kanan, and Thomas E. Markland
"Accurate and Efficient Structure Elucidation from Routine One-Dimensional NMR Spectra Using Multitask Machine Learning" ACS Central Science, 2024 10 (11), 2162-2170. DOI: 10.1021/acscentsci.4c01132.
Frank Hu, Michael S. Chen, Grant M. Rotskoff, Matthew W. Kanan, and Thomas E. Markland
"Accurate and Efficient Structure Elucidation from Routine One-Dimensional NMR Spectra Using Multitask Machine Learning" ACS Central Science, 2024 10 (11), 2162-2170. DOI: 10.1021/acscentsci.4c01132.
DÍA, HORA y LUGAR: Lunes 20 de octubre de 2025, 14:00 h, Aula 18 y virtual.
Modalidad virtual, Link: meet.google.com/hjn-ygro-twf (Plataforma MEET GOOGLE)
Resumen: La inteligencia artificial ha transformado la forma de abordar los problemas científicos, y la química no es la excepción. Desde la predicción de estructuras moleculares hasta la planificación y evaluación de la viabilidad de reacciones, los modelos de aprendizaje automatizado han demostrado un enorme potencial para acelerar descubrimientos y reducir la carga experimental. La elucidación estructural, etapa clave en el proceso de síntesis y desarrollo de nuevos compuestos, se enfrenta hoy a un cambio de paradigma: la incorporación de metodologías basadas en inteligencia artificial para el reconocimiento de patrones espectrales y la generación de estructuras abre nuevos horizontes en la velocidad, precisión y alcance del análisis químico.

Comentarios
Publicar un comentario