Los investigadores de Google DeepMind han dado un salto innovador en la ciencia de los materiales al revelar 2,2 millones de nuevas estructuras cristalinas con un inmenso potencial en numerosas industrias. Imagina que antes de que los programas de aprendizaje profundo de Google predijeran estas estructuras, los científicos conocían menos de 50.000 cristales diferentes. Este monumental descubrimiento no sólo muestra la destreza de la IA en la exploración de materiales, sino que también marca un hito importante que supera siglos de descubrimientos científicos.
IA e innovación material
GNoME, la IA de aprendizaje profundo de DeepMind diseñada específicamente para este propósito, identificó el enorme tesoro de nuevos cristales. GNoME, entrenado con datos del Proyecto Materiales, sugirió estructuras que probablemente sean estables, y luego se verificaron con técnicas computacionales establecidas.
De los más de dos millones de estructuras cristalinas predichas, 381.000 de las candidatas más prometedoras se están compartiendo abiertamente con científicos de todo el mundo para una mayor exploración. Esto significa que el número de materiales conocidos podría multiplicarse por diez casi de la noche a la mañana.
“Si bien los materiales desempeñan un papel muy crítico en casi cualquier tecnología, nosotros, como humanidad, conocemos sólo unas pocas decenas de miles de materiales estables”, dijo Dogus Cubuk, líder de descubrimiento de materiales en Google DeepMind, durante una conferencia de prensa reciente.
Hasta ahora, descubrir nuevos materiales ha sido principalmente un proceso lento y costoso de prueba y error. El enfoque tradicional implicaba realizar cambios incrementales en materiales conocidos o combinar elementos basados en principios de la química del estado sólido. Este método, que requiere mucha mano de obra, ha producido decenas de miles de materiales estables a lo largo de muchos años.
Pero con el último desarrollo de DeepMind, las posibilidades son infinitas. Aunque estos materiales aún requerirán síntesis y pruebas (un proceso que todavía lleva mucho tiempo completar), se espera que las predicciones de la IA aceleren el descubrimiento de materiales vitales para tecnologías de próxima generación como el almacenamiento de energía, las células solares y baterías de alta densidad. Por ejemplo, entre los materiales previstos se encuentran potenciales conductores de iones de litio y nuevos compuestos en capas similares al grafeno, que son muy prometedores para los materiales superconductores. Los superconductores pueden conducir corriente eléctrica con resistencia cero, lo que aumenta enormemente la eficiencia.
Paralelamente, existen iniciativas diseñadas para acelerar la síntesis de materiales. El A-Lab experimental del Laboratorio Nacional Lawrence Berkeley puede sintetizar materiales automáticamente las 24 horas del día. Durante una sesión que duró 17 días, el laboratorio sintetizó 41 materiales, una tarea que normalmente lleva meses o años. Junto con las estructuras cristalinas predichas por la IA, uno podría imaginar cómo se podrían fabricar nuevos materiales desde cero en casi un abrir y cerrar de ojos en comparación con los engorrosos métodos convencionales.
“Este es el futuro: diseñar materiales de forma autónoma utilizando computadoras, pero también fabricarlos de forma autónoma utilizando estos laboratorios robóticos y aprender del proceso”, dijo Kristin Persson del Laboratorio Nacional Lawrence Berkeley en una conferencia de prensa.
¿Una nueva era para la ciencia de los materiales?
Las aplicaciones potenciales de la investigación son enormes y van desde el desarrollo de nuevos materiales en capas hasta el avance de la computación neuromórfica. Científicos de la Universidad de California en Berkeley y el Laboratorio Nacional Lawrence Berkeley ya han utilizado estos hallazgos y han creado nuevos materiales con una tasa de éxito superior al 70%, según DeepMind.
Lo que es particularmente emocionante es que este es solo el último de una serie de avances en IA de DeepMind. Anteriormente, el brazo de inteligencia artificial de Google presentó el extremadamente poderoso AlphaFold, que descifró el código de 200 millones de estructuras proteicas, o prácticamente todas las proteínas conocidas por la ciencia.
Los hallazgos fueron reportados en la revista Nature.
Fuente: ZME Science.
