Predecir el rendimiento de una reacción química es como intentar adivinar la cosecha conociendo solo la composición del suelo. Tradicionalmente, los químicos se apoyaban en largas columnas de números —los descriptores cuánticos— que describen la energía de los electrones, pero no dicen nada sobre la forma de la molécula. Y es que a veces dos sustancias con números casi idénticos se comportan de manera diferente simplemente porque una es voluminosa, como un ramo de flores, y la otra es plana, como una hoja de papel.
Los autores del trabajo le dieron vista al modelo: a los datos tabulares añadieron los esquemas bidimensionales sencillos de las moléculas, esos mismos que se dibujan en los libros de texto. El resultado sorprendió: incluso una red neuronal convolucional ordinaria, entrenada solo con esas imágenes, predice el rendimiento con más precisión que los mejores métodos que usan únicamente cálculos cuánticos. Y cuando se combinaron ambas fuentes de información mediante un mecanismo de atención cruzada, el error cayó al 5.27%, un nivel que antes se consideraba inalcanzable.
Curiosamente, la arquitectura de la red está diseñada para proteger los importantes parámetros numéricos de la distorsión al fusionarse con la imagen. Para ello se usaron conexiones residuales, que funcionan como un cable de seguridad, evitando que las características electrónicas se pierdan en el flujo de datos visuales. El resultado no es solo una herramienta precisa, sino también transparente: se puede rastrear en qué partes de la molécula se fija la red al tomar una decisión.
Los esquemas bidimensionales de las moléculas que se usaron en el trabajo son las mismas "fórmulas esqueléticas" que los químicos dibujan en la pizarra. Resulta que incluso un dibujo tan simple es suficiente para que la red neuronal capte los impedimentos espaciales.