Los cocineros robóticos de la línea estaban inmersos en su receta, trabajando arduamente en una habitación repleta de equipos. En una esquina, un brazo articulado seleccionaba y mezclaba los ingredientes, mientras otro se deslizaba hacia adelante y hacia atrás sobre un riel fijo, haciendo funcionar los hornos. Un tercero estaba de servicio en el emplatado, agitando cuidadosamente el contenido de un crisol en un plato. Gerbrand Ceder, científico de materiales del Laboratorio Nacional Lawrence Berkeley y de la Universidad de California en Berkeley, asintió con aprobación mientras un brazo robótico pellizcaba y tapaba delicadamente un frasco de plástico vacío: una tarea especialmente complicada y una de sus favoritas para observar. “Estos muchachos pueden trabajar toda la noche”, dijo Ceder, mirando con ironía a dos de sus estudiantes de posgrado.
Equipada con ingredientes como óxido de níquel y carbonato de litio, la instalación, llamada A-Lab, está diseñada para fabricar materiales nuevos e interesantes, especialmente aquellos que podrían ser útiles para futuros diseños de baterías. Los resultados pueden ser impredecibles. Incluso un científico humano suele equivocarse en una nueva receta la primera vez. Por eso, a veces los robots producen un hermoso polvo. Otras veces es un desastre pegajoso derretido, o todo se evapora y no queda nada. “En ese momento, los humanos tendrían que tomar una decisión: ¿qué hago ahora?” dice Ceder.
Los robots están destinados a hacer lo mismo. Analizan lo que han hecho, ajustan la receta y vuelven a intentarlo. Y otra vez. Y otra vez. «Les das algunas recetas por la mañana y cuando vuelves a casa puede que tengas un buen soufflé nuevo», dice la científica de materiales Kristin Persson, colaboradora cercana de Ceder en LBNL (y también esposa). O simplemente podrías regresar a un desastre quemado. «Pero al menos mañana harán un soufflé mucho mejor».
Vídeo: Marilyn Sargent/Laboratorio Berkeley
Recientemente, la variedad de platos disponibles para los robots de Ceder ha crecido exponencialmente gracias a un programa de inteligencia artificial desarrollado por Google DeepMind. El software, llamado GNoME, se entrenó utilizando datos del Materials Project, una base de datos de uso gratuito de 150.000 materiales conocidos supervisada por Persson. Utilizando esa información, el sistema de IA ideó diseños para 2,2 millones de nuevos cristales, de los cuales se predijo que 380.000 serían estables (no era probable que se descompusieran o explotaran y, por lo tanto, eran los candidatos más plausibles para la síntesis en un laboratorio), ampliando el rango de cristales conocidos. materiales estables casi 10 veces. En un artículo publicado hoy en Naturalezalos autores escriben que el próximo electrolito de estado sólido, o materiales de células solares, o superconductores de alta temperatura, podrían esconderse dentro de esta base de datos ampliada.
Encontrar esas agujas en el pajar comienza con su fabricación, lo cual es una razón más para trabajar rápidamente y durante toda la noche. En una serie reciente de experimentos en LBNL, también publicado hoy en Naturalezael laboratorio autónomo de Ceder pudo crear 41 de los materiales teorizados durante 17 días, lo que ayudó a validar tanto el modelo de IA como las técnicas robóticas del laboratorio.
Al decidir si un material realmente se puede fabricar, ya sea con manos humanas o con brazos robóticos, una de las primeras preguntas que debemos plantearnos es si es estable. Generalmente, eso significa que su colección de átomos está dispuesta en el estado de energía más bajo posible. De lo contrario, el cristal querrá convertirse en otra cosa. Durante miles de años, la gente ha ido ampliando constantemente la lista de materiales estables, inicialmente observando los que se encuentran en la naturaleza o descubriéndolos mediante intuición química básica o accidentes. Más recientemente, los candidatos han sido diseñados con computadoras.
El problema, según Persson, es el sesgo: con el tiempo, ese conocimiento colectivo ha llegado a favorecer ciertas estructuras y elementos familiares. Los científicos de materiales llaman a esto el “efecto Edison”, en referencia a su rápida búsqueda de prueba y error para producir un filamento de bombilla, probando miles de tipos de carbono antes de llegar a una variedad derivada del bambú. Fue necesaria otra década para que un grupo húngaro encontrara el tungsteno. «Estaba limitado por sus conocimientos», dice Persson. «Era parcial, estaba convencido».