La scoperta di nuovi materiali e farmaci in genere comporta un processo manuale, per tentativi ed errori, che può richiedere decenni e costare milioni di dollari. Per semplificare questo processo, gli scienziati usano spesso l’apprendimento automatico per prevedere le proprietà molecolari e restringere il numero di molecole di cui hanno bisogno per sintetizzare e testare in laboratorio.

I ricercatori del MIT e del MIT-Watson AI Lab hanno sviluppato un nuovo framework unificato in grado di prevedere simultaneamente le proprietà molecolari e generare nuove molecole in modo molto più efficiente rispetto a questi popolari approcci di deep learning.