El instrumento ilumina la muestra con un haz infrarrojo y las moléculas responden con su patrón de absorción, como campanillas de distinto tono. Ese patrón, el espectro, guarda información sobre la composición química. Pero para leerlo, el especialista suele consultar una biblioteca de registros ya hechos, lo cual es lento y no siempre posible.
La espectroscopía infrarroja es una herramienta de trabajo para los químicos, pero la interpretación de los espectros sigue siendo un cuello de botella. El nuevo modelo UltraIR aprende de otra manera: primero revisa 60 millones de espectros sintéticos creados según las leyes de la física y aprende a reconstruirlos, comparar huellas moleculares y predecir grupos funcionales. Luego se ajusta con un pequeño conjunto de datos reales, y ya se desenvuelve en tareas reales.
El modelo se probó en distintas tareas: identificación de grupos funcionales, determinación de la estructura de moléculas, predicción de propiedades, análisis cuantitativo de mezclas, clasificación de bacterias, determinación del origen geográfico de hierbas medicinales, reconocimiento de microplásticos y propiedades del suelo. En todos los casos, UltraIR resultó más preciso que los métodos habituales de aprendizaje automático y que las redes neuronales especializadas.
La principal ventaja es la transferencia de conocimiento. Un modelo entrenado con un espectrómetro infrarrojo se puede aplicar a datos de otro instrumento o de otro laboratorio sin necesidad de entrenamiento adicional. Esto abre el camino a análisis rápidos y económicos de muestras complejas en condiciones reales.
El espectro infrarrojo de una sustancia es como una huella dactilar: prácticamente no existen dos compuestos distintos con el mismo patrón.