Por qué un científico talentoso abandonó una prometedora carrera en Estados Unidos para regresar a casa

Un experto en el campo de la investigación de inteligencia artificial (IA) aplicada que pasó muchos años estudiando y trabajando en Estados Unidos acaba de regresar a China para buscar nuevas oportunidades derivadas del rápido desarrollo de la IA en China, especialmente en el campo de la investigación farmacéutica, según SCMP.

Fu Tianfan, ex profesor asistente titular del Instituto Politécnico Rensselaer en Troy, Nueva York, se unió a la Facultad de Ciencias de la Computación de la Universidad de Nanjing en diciembre de 2024.

Fu Tianfan, un experto en el campo de la investigación científica aplicada a la IA, trabajará en el descubrimiento de fármacos y el desarrollo de materiales en la Universidad de Nanjing después de trabajar y estudiar en los EE. UU. Foto: SCMP

Según el perfil del científico en el sitio web de la universidad, su trabajo se centra en el descubrimiento de fármacos y el desarrollo de materiales impulsados ​​por inteligencia artificial.

El Dr. Pho Thien Pham, de 32 años, dijo que la creciente inversión de China en educación superior ha creado oportunidades sin precedentes para jóvenes científicos como él.

“La Universidad de Nanjing combina un rico patrimonio cultural con una sólida posición de liderazgo en ciencias naturales. Su amplia experiencia en ciencias básicas proporciona un entorno favorable para mi investigación sobre la aplicación de la IA al avance del descubrimiento científico”, declaró el científico Fu Tianfan al Post el fin de semana pasado .

Agregó que estar más cerca de su familia después de muchos años en el extranjero también fue un factor importante en su decisión de regresar a casa a trabajar.

Según el experto Pho Thien Pham, la tecnología de inteligencia artificial ha cambiado profundamente el proceso de investigación científica tradicional. El descubrimiento de fármacos, que antes dependía de experimentos de prueba y error costosos y que consumían mucho tiempo, ahora puede acelerarse mediante el aprendizaje automático y el big data.

En lugar de probar manualmente miles de compuestos, los investigadores ahora pueden entrenar modelos de aprendizaje profundo basados ​​en mecanismos farmacológicos conocidos y examinar virtualmente enormes bibliotecas moleculares para predecir “candidatos” con alto potencial terapéutico.

Fuente: https://vietnamnet.vn/ly-do-nha-khoa-hoc-tai-nang-tu-bo-su-nghiep-day-hua-hen-tai-my-de-ve-nuoc-2384661.html