<\/strong>GNoME, la IA de aprendizaje profundo de DeepMind dise\u00f1ada espec\u00edficamente para este prop\u00f3sito, identific\u00f3 el enorme tesoro de nuevos cristales. GNoME, entrenado con datos del Proyecto Materiales, sugiri\u00f3 estructuras que probablemente sean estables, y luego se verificaron con t\u00e9cnicas computacionales establecidas.<\/p>\n\n\n\n
De los m\u00e1s de dos millones de estructuras cristalinas predichas, 381.000 de las candidatas m\u00e1s prometedoras se est\u00e1n compartiendo abiertamente con cient\u00edficos de todo el mundo para una mayor exploraci\u00f3n. Esto significa que el n\u00famero de materiales conocidos podr\u00eda multiplicarse por diez casi de la noche a la ma\u00f1ana.<\/p>\n\n\n\n
“Si bien los materiales desempe\u00f1an un papel muy cr\u00edtico en casi cualquier tecnolog\u00eda, nosotros, como humanidad, conocemos s\u00f3lo unas pocas decenas de miles de materiales estables”, dijo Dogus Cubuk, l\u00edder de descubrimiento de materiales en Google DeepMind, durante una conferencia de prensa reciente.<\/p>\n\n\n\n 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 \u200b\u200ben principios de la qu\u00edmica del estado s\u00f3lido. Este m\u00e9todo, que requiere mucha mano de obra, ha producido decenas de miles de materiales estables a lo largo de muchos a\u00f1os.<\/p>\n\n\n\n Pero con el \u00faltimo desarrollo de DeepMind, las posibilidades son infinitas. Aunque estos materiales a\u00fan requerir\u00e1n s\u00edntesis y pruebas (un proceso que todav\u00eda lleva mucho tiempo completar), se espera que las predicciones de la IA aceleren el descubrimiento de materiales vitales para tecnolog\u00edas de pr\u00f3xima generaci\u00f3n como el almacenamiento de energ\u00eda, las c\u00e9lulas solares y bater\u00edas 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 el\u00e9ctrica con resistencia cero, lo que aumenta enormemente la eficiencia.<\/p>\n\n\n\n Paralelamente, existen iniciativas dise\u00f1adas para acelerar la s\u00edntesis de materiales. El A-Lab experimental del Laboratorio Nacional Lawrence Berkeley puede sintetizar materiales autom\u00e1ticamente las 24 horas del d\u00eda. Durante una sesi\u00f3n que dur\u00f3 17 d\u00edas, el laboratorio sintetiz\u00f3 41 materiales, una tarea que normalmente lleva meses o a\u00f1os. Junto con las estructuras cristalinas predichas por la IA, uno podr\u00eda imaginar c\u00f3mo se podr\u00edan fabricar nuevos materiales desde cero en casi un abrir y cerrar de ojos en comparaci\u00f3n con los engorrosos m\u00e9todos convencionales.<\/p>\n\n\n\n “Este es el futuro: dise\u00f1ar materiales de forma aut\u00f3noma utilizando computadoras, pero tambi\u00e9n fabricarlos de forma aut\u00f3noma utilizando estos laboratorios rob\u00f3ticos y aprender del proceso”, dijo Kristin Persson del Laboratorio Nacional Lawrence Berkeley en una conferencia de prensa.<\/p>\n\n\n\n \u00bfUna nueva era para la ciencia de los materiales? Lo que es particularmente emocionante es que este es solo el \u00faltimo de una serie de avances en IA de DeepMind. Anteriormente, el brazo de inteligencia artificial de Google present\u00f3 el extremadamente poderoso AlphaFold, que descifr\u00f3 el c\u00f3digo de 200 millones de estructuras proteicas, o pr\u00e1cticamente todas las prote\u00ednas conocidas por la ciencia.<\/p>\n\n\n\n Los hallazgos fueron reportados en la revista Nature<\/a>.<\/p>\n\n\n\n![\"\"](\"https:\/\/einsteresante.com\/wp-content\/uploads\/2023\/12\/image.png\")
<\/figure>\n\n\n\n
<\/strong>Las aplicaciones potenciales de la investigaci\u00f3n son enormes y van desde el desarrollo de nuevos materiales en capas hasta el avance de la computaci\u00f3n neurom\u00f3rfica. Cient\u00edficos 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 \u00e9xito superior al 70%, seg\u00fan DeepMind.<\/p>\n\n\n\n