São necessários 10 anos e cerca de 10 milhões de dólares para desenvolver um produto farmacêutico, desde o seu design de conceito, até chegar ao mercado. E isto para um único material. São cálculos feitos para IBM Research, que salienta que estamos numa época em que não é possível esperar tanto tempo, “sobretudo numa altura em que existem doenças ameaçadoras que afetam toda a humanidade”. A IBM afirma que a forma como são feitas as moléculas não mudou nos últimos 200 anos. Por isso, a missão da empresa é acelerar o estudo dos materiais através de inteligência artificial.

Para tal é necessário muita especialização e experiência, duas características muito difíceis de escalar quando se quer reduzir o tempo de desenvolvimento dos produtos. Assim nasceu o RoboRXN, um projeto pioneiro da IBM que procura mostrar o resultado de três tecnologias: cloud, inteligência artificial e automação, que segundo a empresa podem mudar dramaticamente a forma de trabalhar.

Num período em que a pandemia obriga ao isolamento, e a trabalhar em casa, a IBM dá como exemplo um cientista em casa, que pode fazer uma molécula, conectando-se ao RoboRXN através de um browser de internet. Pode desenhar a molécula, tendo como assistente o RoboRXN, que recomenda o melhor caminho para uma otimização da sintetização juntamente com o material que está a trabalhar. Por fim, o RoboRXN consegue programar-se automaticamente para executar todo esse processo num laboratório autónomo.

A ideia do projeto é tratar a química orgânica como uma linguagem. Ou seja, representar os átomos como letras, moléculas como palavras e as respetivas reações químicas como frases. Como exemplo, a IBM refere que numa previsão de uma reação química, pode lançar a tarefa completa de forma traduzida, e ir de uma linguagem para outra linguagem.

No entanto, a IBM refere que quando se aplica inteligência artificial a um novo domínio como os materiais, é necessário ter dados que sejam representativos de todo o conhecimento que os humanos têm, no contexto de sintetização química. Por isso, para a empresa, os dados são o núcleo do seu modelo, que permita ao seu robot oferecer novos dados de grande qualidade e construir ainda melhores modelos.

Nesse sentido, os modelos são treinados com conjuntos de dados que tenham sido publicados, por exemplo, em patentes. Comparando a uma tarte de maçã, os dados funcionam como ingredientes, disponíveis numa plataforma em cloud para servir os modelos de IA, que são depois transmitidos e traduzidos em receitas para o hardware robótico. Assim, é possível que qualquer cientista, em qualquer parte do mundo, possa submeter moléculas e executar as receitas da forma que quiser, em qualquer laboratório que esteja ligado à plataforma de cloud.

Toda esta automatização oferecida pelo RoboRXN, permite libertar os cientistas das tarefas mais repetitivas e aborrecidas do processo, deixando mais espaço e tempo para design e inovação.