Plataforma PhysML multi-oráculo que unifica la densidad electrónica cuántica (DFT), dinámica molecular y ML en hardware NPU para predicción de sales y cocristales.
Poder discriminativo optimizado con CatBoost y Meta-Oráculos.
Consenso calibrado por IBLIS y VERITAS en sistemas reales.
Aceleración RISC-V con compilación EAAC en hardware dedicado.
De los Cimientos de Red al Consenso Bayesiano Multi-Agente
FLUIDO DE DATOS EN TIEMPO REAL (16-ORACLE ARCHITECTURE)
El motor fundacional. Pre-organiza la geometría molecular basándose en vectores de red cristalina, garantizando que el análisis cuántico ocurra sobre estructuras físicamente viables antes de invocar a los oráculos especialistas.
Sinergia molecular y evaluación de enlaces de hidrógeno. Aplica DFT conceptual.
Análisis termodinámico y solvatación. Evalúa interacciones intermoleculares.
Dinámica Molecular (MD) para la evolución temporal y vibracional de enlaces.
Oráculo de discriminación Sal vs Cocristal a través de Descriptores Globales.
Análisis cuantitativo exhaustivo sobre el dataset Gold-Standard (N=382) mediante protocolos de validación convergente de la Suite PROPHET ULTRA.
El **Coeficiente de Matthews** confirma una correlación superior, eliminando sesgos por desbalance. La versión 5.10.0 con CatBoost elevó este estándar.
Mediante el **Test de McNemar**, se demuestra contundentemente que la superioridad de la arquitectura de Meta-Oráculos no es azar.
Minimización sistemática de falsos negativos para identificar sales farmacéuticas en la compleja 'zona borderline' de transferencia protónica.
Alta precisión en la filtración de cocristales neutros. Garantiza un screening de coformadores sin falsas alarmas iónicas.
Cajas negras propietarias o Deep Learning sobre descriptores 1D/2D básicos. Pura correlación estadística sin motor físico, lo que genera alta ambigüedad en la zona de transferencia protónica.
Open-Source (GPLv3) y transparencia total (TUI). Usa SEANCE (Δμ vs ΔpKa) y HARMONY (DFT Conceptual) para resolver el dilema físico Sal vs Cocristal de forma determinista.
Tratan moléculas como texto (SMILES) usando CNNs. Son rápidos pero ignoran la geometría 3D y la red cristalina. Su sensibilidad cae abruptamente (~70%) en sistemas complejos.
DEDALO pre-organiza geometría 3D y PRODIGY ejecuta Dinámica Molecular real. Sensibilidad verificada: 91.4%.
Estándar de la industria para solubilidad pero extremadamente costoso computacionalmente. Algoritmos estáticos que no aprenden de datos históricos.
HASPEL usa proxies ultrarrápidos (MolGpKa GCNN y Hansen) mientras el meta-modelo CatBoost aprende relaciones no lineales entre cuántica y termodinámica, logrando inferencia NPU en < 50ms.
La competencia trata a las moléculas como datos estadísticos (texto o grafos 2D). PROPHET las simula como sistemas físicos soberanos y usa IA para auditar la física.
Interfaz de terminal (TUI) basada en Rust/Ratatui que integra Modelos de Lenguaje Locales (LLM) para generar explicaciones químicas en lenguaje natural a partir de los datos crudos de los oráculos.
Modelos GCNN (MolGpKa) y XGBoost/CatBoost convertidos al formato propietario de ESWIN (EAAC) para inferencia nativa de alto rendimiento en hardware RISC-V.
| Modelo | Balanceo | AUC (CV) | Veredicto |
|---|---|---|---|
| Logistic Regression | None | 0.68 | Baseline |
| Gradient Boosting | ADASYN | 0.79 | High Accuracy |
| SVM-RBF (v5.8.0) | SMOTETomek | 0.92 | Optimal |
| CatBoost + IBLIS (v5.10) | Class Weights | 0.96 | SOTA |