La inteligencia artificial en química: cómo la IA aprende a diseñar moléculas paso a paso
La inteligencia artificial ya no solo analiza datos químicos: empieza a razonar como una experta en química y a decidir cómo construir moléculas complejas paso a paso. Este avance abre una nueva era en la que la IA guía el diseño de fármacos y acelera el descubrimiento científico desde el laboratorio.
Por Enrique Coperías, periodista científico
Imagen futurista de una investigadora interactuando con una interfaz basada en inteligencia artificial que muestra rutas de síntesis y estructuras moleculares, un ejemplo de cómo sistemas como Synthegy permiten diseñar moléculas mediante lenguaje natural. Crédito: IA-Nano Banana 2-Rexmolón Producciones
La química ha sido desde las primeras civilizaciones un territorio donde la intuición humana marcaba la diferencia. Diseñar una molécula compleja, como un fármaco, no es solo cuestión de conocer reacciones químicas: es, sobre todo, saber en qué orden ejecutarlas, qué pasos evitar y cuándo introducir cambios clave.
Ese olfato químico, difícil de formalizar en reglas escritas, es precisamente lo que ahora empieza a imitar la inteligencia artificial (IA).
Un nuevo estudio, liderado por Philippe Schwaller, de la Escuela Politécnica Federal de Lausana (EPFL), en Suiza, y publicado en la revista Matter, propone un giro conceptual importante: en lugar de usar la IA para generar directamente moléculas —una tarea en la que aún falla—, los investigadores la convierten en algo más cercano a un químico experto que supervisa y evalúa decisiones. El resultado es un sistema capaz de guiar el diseño de síntesis química y reconstruir mecanismos de reacción, paso a paso, con una sorprendente coincidencia del 71% con el criterio de expertos humano .
De generador a «cerebro estratégico»
Hasta ahora, muchos enfoques en química computacional se basaban en algoritmos que exploran millones de rutas posibles para fabricar una molécula. Funcionan bien encontrando caminos, pero no siempre saben cuál es el mejor. Les falta algo esencial: estrategia química.
➡️ «Un químico no solo busca rutas posibles, sino rutas inteligentes», resume el trabajo. Es decir, considera cuándo formar un anillo molecular, cómo proteger ciertas partes de la molécula o qué reacciones pueden interferir entre sí.
Aquí es donde entran los modelos de lenguaje —los mismos que sostienen chatbots como ChatGPT—. Estos sistemas no se utilizan para dibujar moléculas, sino para analizar y juzgar propuestas. Actúan como evaluadores que deciden qué rutas tienen sentido químico y cuáles no.
El sistema desarrollado, llamado Synthegy, combina algoritmos clásicos de búsqueda con modelos de inteligencia artificial. Los primeros generan posibles rutas de síntesis; los segundos las examinan, las puntúan y explican su razonamiento.
Un lenguaje natural: el secreto del cambio
Una de las claves del avance es que los químicos pueden interactuar con el sistema en lenguaje natural. En lugar de programar reglas complejas, basta con escribir algo como esto: «forma el anillo principal al principio de la síntesis» o «evita reacciones con subproductos».
El modelo interpreta esa instrucción y filtra las rutas generadas para quedarse con las que cumplen el criterio.
Este enfoque tiene una consecuencia importante: democratiza el uso de herramientas de inteligencia artificial. No hace falta ser experto en programación para guiar un proceso computacional complejo. Basta con saber química… y saber explicarla con palabras.
🗣️ En palabras de Andres M. Bran, también de la EPFL y primer autor del estudio, «cuando se desarrollan herramientas para químicos, la interfaz de usuario importa mucho, y las herramientas anteriores dependían de filtros y reglas engorrosas. Con Synthegy, estamos dando a los químicos la capacidad de simplemente hablar, lo que les permite iterar mucho más rápido y explorar ideas sintéticas más complejas».
Un 71% de acuerdo con expertos
Para comprobar si el sistema realmente piensa como un químico, los investigadores lo compararon con seres humanos. En un experimento de doble ciego, 36 expertos evaluaron distintas rutas de síntesis sin saber cuál había elegido la IA.
El resultado: coincidían con el sistema en un 71% de los casos. En más del 84% de las situaciones, al menos la mitad de los expertos estaba de acuerdo con la decisión de la máquina.
La cifra es relevante, porque incluso entre humanos no hay consenso total en problemas complejos. La química sintética tiene un componente subjetivo: diferentes especialistas pueden preferir rutas distintas por razones estratégicas.
Representación conceptual de cómo la inteligencia artificial Synthegy explora múltiples rutas químicas y selecciona las más viables, imitando el razonamiento estratégico de los químicos. Cortesía: Ella Maru Studio
Más allá de encontrar rutas: evaluar si funcionan
Uno de los aspectos más interesantes del trabajo es la evaluación de la viabilidad de una síntesis. No basta con que una ruta sea teóricamente posible: debe ser eficiente, evitar pasos innecesarios y minimizar errores.
El sistema analiza factores como estos tres:
✅ La probabilidad de reacciones secundarias.
✅ La compatibilidad entre grupos funcionales.
✅ La eficiencia global del proceso.
En las pruebas, Synthegy fue capaz de identificar rutas elegantes y realistas, descartando otras mal diseñadas. Incluso reconoció como buenas aquellas rutas que ya habían sido ejecutadas en laboratorio por químicos reales.
Esto sugiere que la inteligencia artificial en química no solo reproduce conocimiento, sino que captura patrones de buen hacer.
Entender cómo ocurren las reacciones
El segundo gran reto abordado en el estudio es aún más fundamental: explicar cómo ocurren las reacciones químicas.
Cada transformación química implica una serie de pasos microscópicos, donde los electrones se reorganizan. Comprender estos mecanismos químicos es básico para diseñar nuevas reacciones o mejorar las existentes.
Tradicionalmente, los ordenadores pueden generar muchas posibilidades, pero tienen dificultades para distinguir cuáles son plausibles. De nuevo, falta intuición.
El nuevo sistema utiliza modelos de lenguaje en química para evaluar cada paso posible en un mecanismo, guiando la búsqueda hacia soluciones coherentes. En reacciones simples, logra un rendimiento cercano al perfecto; en casos más complejos, mantiene una buena capacidad para distinguir entre opciones correctas e incorrectas.
La importancia del contexto
Una ventaja crucial de este enfoque es su flexibilidad. El modelo puede incorporar información adicional en forma de texto: condiciones experimentales, datos previos o hipótesis de trabajo.
Esto permite algo especialmente prometedor: integrar la experiencia humana directamente en el proceso computacional. Un químico puede sugerir cómo cree que ocurre una reacción, y el sistema lo utiliza como guía para explorar soluciones.
En otras palabras, la IA en ciencia no sustituye al científico, sino que amplifica su capacidad.
Un progreso vertiginoso
El estudio también revela otro dato llamativo: el avance en capacidades ha sido extremadamente rápido.
Según los autores, la habilidad de los modelos de inteligencia artificial para razonar de manera estratégica en química prácticamente no existía antes de 2024. Desde entonces, ha mejorado de forma drástica, con nuevas generaciones de modelos que superan con creces a las anteriores.
Además, el rendimiento aumenta con el tamaño del modelo: los sistemas más pequeños apenas superan el azar, mientras que los grandes muestran capacidades sofisticadas.
Limitaciones actuales: todavía no es un químico perfecto
Pese a los avances, el sistema tiene fallos. A veces interpreta mal las representaciones químicas, analiza reacciones en sentido inverso o simplifica demasiado los problemas.
También le cuesta manejar rutas muy largas —de decenas de pasos—, donde el seguimiento de detalles se vuelve complejo.
Estas limitaciones reflejan que, aunque los modelos capturan patrones de razonamiento, aún no poseen una comprensión completa del mundo químico.
El futuro: colaboración humano-IA en química
Schwaller y sus colegas no plantean que la IA sustituya a los químicos, sino que actúe como una herramienta de apoyo. En la práctica, imaginan un flujo de trabajo en el que:
1️⃣ Un programa genera miles de rutas posibles,
2️⃣ La IA las evalúa y selecciona las mejores
3️⃣ El químico revisa las opciones finales.
Esto podría reducir drásticamente el tiempo necesario para diseñar síntesis complejas o descubrir nuevos fármacos.
Además, la IA proporciona explicaciones de sus decisiones, lo que permite discutirlas y, en algunos casos, cuestionarlas. Esa transparencia es clave para su adopción en ciencia.
Imagen artística de un químico analizando modelos moleculares generados por IA en pantalla, reflejando el nuevo papel de estos sistemas como asistentes que evalúan reacciones y optimizan el diseño de compuestos. Cortesía: IA-DALL-E-RexMolón Producciones
Conexión clave: síntesis y mecanismos
Más allá de la química, el trabajo apunta a una idea más amplia: los modelos de lenguaje en ciencia pueden funcionar como motores de razonamiento en disciplinas científicas.
En lugar de sustituir métodos tradicionales, se integran con ellos:
✅ Los algoritmos exploran.
✅ La IA evalúa.
✅ Los datos aportan precisión.
✅ El lenguaje aporta flexibilidad.
Este enfoque híbrido podría extenderse a otros campos donde el conocimiento experto es difícil de formalizar: desde la biología hasta la ingeniería.
Conexión clave: síntesis y mecanismos
El siguiente paso, según los autores, es cerrar el círculo entre teoría y experimento. Integrar datos reales de laboratorio permitiría a estos sistemas mejorar continuamente sus predicciones.
También se plantea la posibilidad de que la IA no solo evalúe, sino que guíe directamente la búsqueda de soluciones, reduciendo aún más el espacio de exploración.
Si ese objetivo se alcanza, la química podría entrar en una nueva era: una en la que las decisiones estratégicas no dependan únicamente de la experiencia humana, sino de una colaboración constante con sistemas capaces de aprender, razonar y explicar.
Como subraya Bran, «la conexión entre la planificación de síntesis y los mecanismos es muy emocionante: normalmente usamos los mecanismos para descubrir nuevas reacciones que nos permiten sintetizar nuevas moléculas. Nuestro trabajo está cerrando esa brecha desde el punto de vista computacional mediante una interfaz unificada basada en lenguaje natural».▪️(27-abril-2026)
PREGUNTAS&RESPUESTAS: Inteligencia Artificial y Química
⚗️ ¿Qué es Synthegy?
Un sistema de inteligencia artificial que evalúa y optimiza rutas de síntesis química usando modelos de lenguaje.
⚗️ ¿Puede la IA diseñar moléculas?
Sí, pero su mayor valor actual está en evaluar estrategias y guiar procesos, no solo en generar estructuras.
⚗️ ¿Qué es la retrosíntesis?
Un método para planificar la síntesis de una molécula descomponiéndola en componentes más simples.
⚗️ ¿Por qué son importantes los mecanismos de reacción?
Permiten entender cómo ocurren las reacciones y predecir nuevos procesos químicos.
⚗️ ¿Sustituirá la IA a los químicos?
No. La tendencia es hacia una colaboración humano-IA, donde la tecnología amplifica la capacidad del experto.
Información facilitada por la Escuela Politécnica Federal de Lausana
Fuente: Andres M. Bran, Théo A. Neukomm, Daniel Armstrong, Zlatko Jončev, Philippe Schwaller. Chemical reasoning in LLMs unlocks strategy-aware synthesis planning and reaction mechanism elucidation. Matter (2026). DOI: https://doi.org/10.1016/j.matt.2026.102812
