Aprendizaje profundo para la electrostática de macromoléculas: resolviendo la ecuación de Poisson-Boltzmann a partir de redes neuronales informadas por la física

Las Redes Neuronales Informadas por la Física (PINNs) se han aplicado con éxito a la resolución de Ecuaciones Diferenciales Parciales (PDEs), abriendo nuevas posibilidades en la computación científica. En este trabajo se propone una metodología basada en PINNs para resolver la Ecuación de Poisson-Boltzmann (PB), aplicada a moléculas de distintos tamaños bajo el modelo de solvente implícito. Se revisaron formulaciones de PB compatibles con PINNs, arquitecturas de red adecuadas y factores que inciden en la minimización. Los resultados muestran buenos niveles de precisión en la energía de solvatación y el potencial de reacción, con errores del orden de 10⁻³. La implementación efectiva requiere regularización de la ecuación y el uso de redes separadas por subdominios (soluto y solvente), además de una representación precisa de la geometría molecular mediante mallas finas. Se identificaron desafíos al incorporar integrales basadas en datos experimentales en la función de pérdida. Como resultado, se desarrolló la librería XPPBE, orientada a facilitar el uso de esta metodología por parte de la comunidad científica.