✨︎ Resumen (TL;DR):
- Sovereign AI respaldó a la startup británica Potential Sciences con inversión y acceso al supercómputo del Reino Unido.
- La ronda reúne decenas de millones de dólares, pero las partes no revelaron el monto exacto ni la valoración de la compañía.
- La empresa simulará propiedades e interacciones moleculares para priorizar candidatos a fármacos, aunque las pruebas de laboratorio, animales y personas siguen siendo necesarias.
Potential Sciences, una startup británica fundada por Hatem Helal, recibió el respaldo del fondo público Sovereign AI para generar datos químicos mediante simulaciones y usarlos en el entrenamiento de modelos de inteligencia artificial. El apoyo también incluye acceso al AI Research Resource del Reino Unido, con la supercomputadora Isambard-AI en Bristol. La meta es ayudar a investigadores a identificar moléculas que merezcan pruebas como posibles medicamentos, no sustituir la validación experimental.
Simulaciones para ampliar los datos químicos
La generación de datos químicos por simulación es un método computacional que calcula propiedades e interacciones de moléculas para producir ejemplos con los que se entrenan modelos de IA.
El punto de partida de Potential Sciences es un problema de escala. Una IA necesita ejemplos para aprender, pero ampliar los registros experimentales de química exige más trabajo de laboratorio. La startup busca producir datos adicionales mediante cálculos basados en las leyes de la física, en lugar de depender únicamente de resultados obtenidos en experimentos previos.
Los modelos usarían esos datos para hacer predicciones sobre el comportamiento de distintas moléculas. Helal explicó a WIRED que busca anticipar cómo interactuarían esos compuestos con la biología humana.
Una predicción podría ayudar a descartar antes algunos candidatos poco prometedores. Por sí sola, sin embargo, no demuestra que una molécula sea segura ni eficaz en una persona.
Nauta Capital señala que la startup comienza con la búsqueda de fármacos de molécula pequeña. Su trabajo también abarca la optimización de candidatos y la predicción de reacciones, tareas en las que la precisión de los modelos será determinante para orientar las decisiones de los investigadores.
Dinero, GPU y acceso a Isambard-AI
El gobierno británico confirmó la inversión el 5 de noviembre de 2026. WIRED reportó que la ronda reúne decenas de millones de dólares, aunque Sovereign AI no informó cuánto aportó y Potential Sciences no reveló el monto exacto de la ronda ni su valoración.
Entre los participantes están Twin Path Ventures y Nauta Capital. El anuncio oficial también menciona a Patrick Collison, cofundador de Stripe, y Chris Gibson, cofundador y exdirector ejecutivo de Recursion.
El financiamiento se destinará a ampliar el equipo de investigación y el conjunto de datos, además de entrenar los primeros modelos de la empresa. Sovereign AI facilitará el acceso al AI Research Resource británico, que incluye la supercomputadora Isambard-AI, ubicada en Bristol.
Según Nauta Capital, Potential Sciences adaptó software de química cuántica para ejecutarlo en unidades de procesamiento gráfico, o GPU. El inversionista afirma que el sistema puede realizar ciertos cálculos con un costo 100 veces menor que las implementaciones tradicionales.
La comparación se refiere a esos cálculos específicos, no al costo completo de llevar un medicamento al mercado. El comunicado de Nauta no presenta una validación independiente de la cifra ni detalla las condiciones utilizadas para establecerla.
Un antecedente con 1,000 millones de ejemplos
Helal ya había trabajado con conjuntos grandes de datos químicos antes de fundar la startup. Es coautor de una investigación presentada en NeurIPS en 2023 sobre QM1B, un conjunto que reunió 1,000 millones de ejemplos de entrenamiento generados mediante cálculos de química cuántica con otro tipo de procesador especializado.
Los autores señalaron limitaciones en QM1B, incluida la baja resolución de sus opciones de cálculo. Ese trabajo sirve como antecedente de la experiencia del fundador, pero no comprueba por sí mismo el ahorro que ahora se atribuye al sistema de Potential Sciences.
La IA no reemplaza las pruebas de un medicamento
El proceso de desarrollo aún conserva etapas que la simulación no puede eliminar. En Estados Unidos, el proceso descrito por la Administración de Alimentos y Medicamentos incluye investigación preclínica con pruebas de laboratorio y en animales, estudios clínicos en personas y una revisión de los datos antes de decidir si se aprueba un medicamento.
Peter Wolynes, profesor de química de la Universidad Rice, dijo a WIRED que averiguar cómo actúa un compuesto en animales y personas puede costar mucho más que diseñarlo. Automatizar una parte de la búsqueda no elimina esas evaluaciones.
Potential Sciences todavía no decide cómo obtendrá ingresos de sus tecnologías ni si pondrá sus modelos a disposición del público. El posible uso indebido de herramientas capaces de diseñar sustancias también forma parte de esa decisión.
Por ahora, la propuesta tiene un límite concreto: generar más datos mediante simulaciones puede ayudar a ordenar qué moléculas probar primero, pero la utilidad del sistema dependerá de la precisión de sus predicciones y de las pruebas que lleguen después.
