Marilyn Sargent/Laboratorio Berkeley
Los investigadores de Google DeepMind han descubierto 2,2 millones de estructuras cristalinas que abren un potencial de progreso en campos que van desde la energía renovable hasta la computación avanzada, y muestran el poder de la inteligencia artificial para descubrir materiales novedosos.
El tesoro de combinaciones teóricamente estables pero no realizadas experimentalmente identificadas utilizando una herramienta de inteligencia artificial conocida como GNoME es más de 45 veces mayor que el número de sustancias de este tipo desenterradas en la historia de la ciencia, según un artículo publicado en Nature el miércoles.
Los investigadores planean poner a disposición de sus colegas científicos 381.000 de las estructuras más prometedoras para fabricar y probar su viabilidad en campos que van desde células solares hasta superconductores. La empresa subraya cómo aprovechar la IA puede acortar años de trabajo experimental y potencialmente ofrecer productos y procesos mejorados.
«Para mí, la ciencia de los materiales es básicamente donde el pensamiento abstracto se encuentra con el universo físico», dijo Ekin Dogus Cubuk, coautor del artículo. «Es difícil imaginar alguna tecnología que no mejore con mejores materiales».
Los investigadores se propusieron descubrir nuevos cristales para sumarlos a los 48.000 que calculaban que habían sido identificados previamente. Las sustancias conocidas van desde aquellas conocidas desde hace milenios, como el bronce y el hierro, hasta descubrimientos mucho más recientes.
El equipo de DeepMind identificó materiales novedosos mediante el uso del aprendizaje automático para generar primero estructuras candidatas y luego evaluar su probable estabilidad. La cantidad de sustancias encontradas equivale a casi 800 años de conocimiento previo adquirido experimentalmente, estimó DeepMind, basándose en 28.000 materiales estables descubiertos durante la última década.
«Desde los microchips hasta las baterías y la energía fotovoltaica, el descubrimiento de cristales inorgánicos se ha visto obstaculizado por costosos enfoques de prueba y error», dice el artículo de Nature. «Nuestro trabajo representa una expansión de un orden de magnitud en materiales estables conocidos por la humanidad».
Dos posibles aplicaciones de los nuevos compuestos incluyen la invención de materiales en capas versátiles y el desarrollo de computación neuromórfica, que utiliza chips para reflejar el funcionamiento del cerebro humano, dijo Cubuk.
Investigadores de la Universidad de California en Berkeley y el Laboratorio Nacional Lawrence Berkeley ya han utilizado los hallazgos como parte de esfuerzos experimentales para crear nuevos materiales, según otro artículo publicado en Nature el miércoles.
El equipo utilizó computación, datos históricos y aprendizaje automático para guiar a un laboratorio autónomo, conocido como A-lab, a crear 41 compuestos novedosos a partir de una lista objetivo de 58, una tasa de éxito de más del 70 por ciento.
El alto índice de éxito fue sorprendente y podría mejorarse aún más, afirmó Gerbrand Ceder, coautor del artículo y profesor de la universidad. La clave de las mejoras fue cómo se combinaron las técnicas de IA con fuentes existentes, como un gran conjunto de datos de reacciones de síntesis pasadas, añadió.
«Si bien la robótica del A-lab es genial, la verdadera innovación es la integración de varias fuentes de conocimiento y datos con el A-lab para impulsar la síntesis de manera inteligente», dijo.
Las técnicas descritas en los dos artículos de Nature permitirían identificar nuevos materiales «con las velocidades necesarias para abordar los grandes desafíos del mundo», dijo Bilge Yildiz, profesor del Instituto de Tecnología de Massachusetts que no participó en ninguna de las investigaciones.
«Esta amplia base de datos de cristales inorgánicos debería estar llena de ‘gemas’ por descubrir, para avanzar en soluciones a la energía limpia y los desafíos ambientales», dijo Yildiz, que trabaja en los departamentos de ciencia e ingeniería de materiales y de ciencia e ingeniería nuclear del MIT.
Los artículos representaron otro “avance muy interesante” en la búsqueda de “obtener materiales a velocidades que superen con creces los enfoques tradicionales de síntesis empírica”, añadió.
© 2023 The Financial Times Ltd. Todos los derechos reservados. No debe ser redistribuido, copiado ni modificado de ninguna manera.