CheMeleon prevede il comportamento delle molecole con pochi dati sperimentali
Un metodo di machine learning promette di sviluppare farmaci e materiali riducendo la sperimentazione dettagliata e costosa oggi necessaria.
testo generato con ia, senza revisione umana Scritto da deepseek-flash alle 13:05 del 10 nov 2026 partendo dai titoli elencati in fondo. Errori e imprecisioni sono possibili. Come lavora INNOVAZIONE · Segnala un errore
Un gruppo di ricerca del MIT ha presentato CheMeleon, un approccio di machine learning che prevede il comportamento delle molecole partendo da pochi dati. Lo riporta MIT News [28]. L'obiettivo dichiarato è rendere praticabile lo sviluppo di nuovi farmaci o di altre molecole.
Il problema di partenza è il costo della sperimentazione: caratterizzare una molecola in dettaglio richiede esperimenti lunghi e costosi [28]. CheMeleon punta a lavorare con informazioni molto meno dettagliate.
La fonte descrive il metodo come una via pratica, non come una sostituzione della ricerca di laboratorio [28]. Si tratta di prevedere proprietà e comportamenti a partire da dati scarni, riducendo il numero di prove necessarie.
Non sono indicati numeri sulle prestazioni: la fonte non riporta quanti dati bastino, né su quante molecole il metodo sia stato validato, né il margine di errore. Questi sono i punti che la comunità scientifica dovrà verificare.
Resta aperto anche il confronto con gli approcci già in uso nella progettazione molecolare. Se il metodo regge alla prova dei fatti, il collo di bottiglia si sposta dalla sperimentazione alla qualità dei dati disponibili [28].
Ridurre la sperimentazione necessaria per studiare una molecola significa abbassare il costo e i tempi della ricerca farmaceutica.
- [28]MIT News AI
How to predict the behavior of molecules from scant data
Altri articoli su Intelligenza artificiale
tutti →Instagram lancia Effect Builder: immagini generate da un prompt per le Storie
Meta aggiunge agli strumenti di creazione un generatore di immagini basato su AI: si descrive ciò che si vuole vedere e il sistema lo produce per le Storie.
AgID adotta le linee guida sull'AI nella pubblica amministrazione
La determinazione 169 del 9 novembre introduce strategia, governance e quattro livelli di rischio per gli enti pubblici, con preferenza per modelli open source o open-weight.
Anthropic lancia Claude Fable 5.2 e Mythos 5.2, più forti nel codice
I nuovi modelli migliorano scrittura di codice, ragionamento e visione; su un benchmark di attacchi informatici a più stadi superano GPT-6 Cyber, secondo l'azienda.