FUNAMBULIST: IA para melhorar a síntese química
A otimização dos processos de síntese química tem sido historicamente um dos grandes desafios da indústria química, com o objetivo de alcançar a máxima produtividade, custos mínimos e, no contexto atual, a máxima sustentabilidade.
O desafio é especialmente exigente em áreas de alto valor acrescentado, como a cosmética ou a indústria farmacêutica, onde inovar implica trabalhar com reações complexas, materiais caros e longos tempos de desenvolvimento. Nesses ambientes, uma parte importante do trabalho ocorre antes de existir um processo ‘industrializável’, estável e otimizado.
Identificar uma roadmap de síntese, testá-la e convertê-la num método fiável geralmente requer inúmeras rondas de tentativa e erro. Cada iteração fornece informações, mas também consome recursos.
A fronteira entre o laboratório e a produção industrial
Pensemos num caso simples: queremos sintetizar uma nova molécula com propriedades e características específicas muito concretas. Com base na literatura científica e na experiência prévia, a equipa de investigação identifica um roadmap preliminar e seleciona reagentes, catalisadores, solventes e condições orientativas (temperatura, pressão, tempos) que permitem obter determinadas quantidades do composto desejado.
O primeiro problema surge ao testar essa receita em laboratório: o rendimento é extremamente baixo, com uma produção muito reduzida da molécula alvo, com reagentes não convertidos e a geração de subprodutos indesejados.
A partir daí, surgem hipóteses razoáveis: talvez a mistura contenha enantiómeros (moléculas iguais, mas com orientações espaciais diferentes) nos reagentes, uma alta especificidade do catalisador (baseado em cadeias de ADN) e uma aparente baixa solubilidade do sistema completo no solvente.
A IA redefine o fluxo de trabalho científico sem alterar os fundamentos do método tradicional
O diagnóstico aponta para uma conclusão clara: o processo é ineficiente, está longe de ser estável e muito distante de atingir as condições necessárias para a sua escalabilidade industrial.
Numa abordagem tradicional, este ponto marca o início de uma longa campanha experimental: formulação de novas hipóteses, ensaios sucessivos, análise de centenas, senão milhares, de resultados e uma série interminável de iterações até encontrar uma rota de síntese realmente viável e eficiente.
A IA como aliada do método científico
Neste contexto, a Inteligência Artificial agrega um valor diferencial, redefinindo o fluxo geral de trabalho, sem alterar os fundamentos do método científico:
- A IA não substitui o conhecimento científico: parte-se sempre de uma hipótese formulada por especialistas, com base em dados, observações e experiências anteriores.
- A hipótese dá lugar ao desenho de experiências, nas quais são identificadas e quantificadas todas as variáveis-chave do sistema.
- Os resultados experimentais iniciais geram um conjunto de dados, que a Inteligência Artificial analisa para detetar padrões, correlações e relações não evidentes à primeira vista.
- Com base nesta análise, é possível desenhar novas experiências de forma mais direcionada, orientadas para explorar as combinações mais promissoras e com maior probabilidade de sucesso.
A Inteligência Artificial torna-se assim uma ferramenta de otimização do método científico, capaz de orientar o processo iterativo com maior precisão e velocidade. Permite descartar combinações ineficazes, refinar — e até refutar — hipóteses iniciais até alcançar soluções de alta eficiência, com uma base estatística sólida.
O papel da Izertis no FUNAMBULIST
A Izertis participa no projeto europeu FUNAMBULIST (FUnctional Nucleic Acids as Versatile SMart BUilding BLocks in Non-ConventIonal SolvenTs), financiado pelo programa EIC Pathfinder do Horizon Europe. O projeto contribui para o desenvolvimento e teste de ferramentas de inteligência artificial destinadas a apoiar a otimização dos processos de síntese.
O FUNAMBULIST conta com a colaboração entre diferentes parceiros europeus, entre os quais a Universidade do País Basco (coordenadora), a Universidade de Bona, a Universidade de Estrasburgo e a Universidade de Lisboa. A combinação de competências (investigação académica, experimentação e suporte tecnológico) permite abordar o problema sob vários ângulos.
O FUNAMBULIST reúne investigação, experimentação e tecnologia
O objetivo final é avançar para uma produção mais eficiente de compostos químicos finos, um segmento em que uma parte relevante do custo se concentra nas etapas de separação e purificação.
Melhorar as condições de síntese pode traduzir-se em menos subprodutos, processos mais estáveis e uma menor carga nessas fases posteriores.
Nesse contexto, a IA desenvolvida pela Izertis atua como um apoio prático: ajuda a interpretar resultados experimentais e a planear melhor os passos seguintes, com o objetivo de acelerar a chegada a processos mais robustos e sustentáveis.