LO ESENCIAL EN 30 SEGUNDOS

  • Potential Sciences, fundada en Londres en noviembre de 2025 por Hatem Helal, exdirectivo de Graphcore, ha cerrado una ronda semilla de decenas de millones de dólares, según la prensa.
  • El fondo británico Sovereign AI participa junto a firmas como Twin Path Ventures y Nauta Capital y al inversor ángel Patrick Collison, y aporta además capacidad de cómputo.
  • La empresa asegura que su enfoque abarata unas 100 veces los cálculos de IA para diseñar compuestos químicos; aún no ha publicado resultados de sus modelos.

Potential Sciences, una startup londinense que quiere abastecer el descubrimiento de fármacos con IA mediante datos químicos calculados a partir de las leyes de la física, y no medidos en el laboratorio, ha cerrado una ronda semilla en la que participa el fondo público británico Sovereign AI. El apoyo se confirmó el 5 de noviembre. Ni la empresa ni el fondo revelaron la cifra, aunque Tech.eu habla de una ronda de decenas de millones de dólares.

Quién invierte

Según Tech.eu, junto a Sovereign AI participan Twin Path Ventures, Odyssey, Portfolio Ventures, Blue Wire Capital, rule30, Nauta Capital y Lightfield Equity. El consejero delegado de Stripe, Patrick Collison, figura entre los inversores ángel, y Resultsense cita también a Chris Gibson, cofundador de Recursion. No se ha detallado cuánto aporta el fondo estatal; Resultsense recuerda que sus inversiones suelen oscilar entre 1 y 10 millones de libras.

El paquete público combina dinero y potencia de cálculo. Resultsense informa de que la compañía tendrá acceso a los supercomputadores nacionales a través del AI Research Resource, entre ellos Isambard-AI, en Bristol. Sovereign AI ya había invertido en la startup de chips Olix y en las empresas de IA Ineffable Intelligence y Callosum, según Tech.eu.

Datos generados con física

La empresa fue fundada en noviembre de 2025 por Hatem Helal, exdirectivo de Graphcore, que la dirige como consejero delegado. La mayoría de los modelos de IA para fármacos aprenden de resultados experimentales, lentos y caros de obtener. Potential Sciences, en cambio, entrena sus modelos con datos obtenidos al simular moléculas a partir de las leyes fundamentales de la física. Helal explica que el equipo ha reescrito métodos de química cuántica para ejecutarlos en GPU y producir esos datos de forma barata y a gran escala. RuntimeWire describe el objetivo como crear un laboratorio de referencia para la química y atribuye a Helal un conjunto de datos de química cuántica de unos mil millones de ejemplos.

Lo que falta por demostrar

La compañía sostiene que su método reduce unas 100 veces el coste de los cálculos necesarios para diseñar moléculas. La cifra procede del fundador, y por ahora no se han publicado resultados ni comparativas de sus modelos. La gran incógnita es si los datos simulados pueden sustituir a las mediciones de laboratorio con la fiabilidad suficiente para dar lugar a candidatos a fármaco útiles.