La inteligencia artificial revoluciona el diseño de materiales: un futuro más sostenible y eficiente

La inteligencia artificial (IA) está transformando el desarrollo de materiales avanzados, un campo clave para el futuro de la tecnología y la sostenibilidad. Desde la captura eficiente de dióxido de carbono (CO₂) hasta la creación de baterías más duraderas y bioplásticos ecológicos, los modelos de IA permiten a los científicos explorar soluciones innovadoras con una rapidez sin precedentes.

Ante el crecimiento de empresas emergentes y centros que adoptan estas herramientas, The Economist realizó un informe detallado.

El impacto de la IA en la ciencia de materiales no se limita a la identificación de compuestos prometedores, sino que también abarca su síntesis, fabricación y escalabilidad. Gracias a modelos avanzados, es posible predecir estructuras químicas con precisión, evitando años de ensayo y error en laboratorio. La automatización y la robótica están jugando un papel esencial en estos avances.

Uno de los desafíos más urgentes en la ciencia de materiales es desarrollar estructuras capaces de capturar y almacenar CO₂ de manera eficiente. Entre las soluciones más prometedoras se encuentran los metal-organic frameworks (MOFs), compuestos por iones metálicos y moléculas orgánicas que funcionan como esponjas moleculares.

Los MOF poseen una estructura única que determina el comportamiento en diferentes condiciones ambientales, lo que abre un abanico de posibilidades en áreas como la purificación del aire y el almacenamiento de energía.

No obstante, el problema radica en la enorme cantidad de combinaciones posibles: identificar la estructura óptima para una aplicación específica es una tarea titánica para los científicos.

En tanto, la inteligencia artificial demostró ser la herramienta ideal para abordar esta complejidad. Modelos avanzados pueden analizar millones de combinaciones en cuestión de horas, acelerando un proceso que antes podía tomar años.

Una de las startups más ambiciosas en este campo es CuspAI, que desarrolló un modelo de IA basado en la familia de modelos de lenguaje Llama, de Meta.

Con una capacidad de entre 5.000 y 8.000 millones de parámetros, este sistema fue entrenado con una vasta cantidad de datos de ciencia de materiales, desde simulaciones cuánticas hasta publicaciones académicas sobre métodos de fabricación.

A diferencia de enfoques tradicionales que buscan descubrir un solo material adecuado para una tarea específica, CuspAI pretende crear un sistema capaz de generar materiales personalizados para cualquier entorno.

La empresa apuesta por demostrar que la IA puede resolver desafíos científicos en diversas áreas, incluyendo la fabricación de bioplásticos más sostenibles y el desarrollo de semiconductores más eficientes.

El impacto de la IA en la productividad de los investigadores ya fue medido. Un estudio realizado por Aidan Toner-Rodgers, especialista de economía en el Instituto Tecnológico de Massachusetts (MIT), analizó el efecto de una herramienta de IA en una empresa estadounidense dedicada a la ciencia de materiales.

Gracias a la implementación escalonada de la tecnología, el análisis pudo evaluar su impacto en términos cuantificables:

• 44% más materiales descubiertos en comparación con el método tradicional.
• 17% de incremento en los prototipos que utilizaron esos materiales.
• 39% más de patentes registradas derivadas de estos avances.

Más allá del aumento en la productividad, la investigación sugiere que los materiales desarrollados con asistencia de inteligencia artificial presentan estructuras más novedosas y mayor grado de innovación en el campo industrial.

A pesar del potencial de la IA, el diseño de nuevos materiales sigue siendo un desafío complejo. Aaike van Vugt, ingeniero químico, señaló que este campo sigue siendo “un dolor de cabeza” debido a los problemas técnicos y financieros que enfrenta.

• Desafíos técnicos: la producción de materiales innovadores requiere instalaciones especializadas capaces de fabricarlos en grandes volúmenes y con la calidad necesaria.
• Desafíos económicos: muchas empresas invierten en investigación y desarrollo, pero carecen de los recursos para comercializar sus descubrimientos.

En contraste con la industria farmacéutica, donde los ensayos clínicos estructuran el desarrollo de nuevos productos y facilitan la inversión, en la ciencia de materiales no existe un mecanismo similar. Las compañías deben encargarse no solo del diseño, sino también de la validación, manufactura y distribución, lo que limita el ritmo de adopción de nuevas tecnologías.

Otra tendencia clave en el futuro de la ciencia de materiales es la integración de robots y laboratorios autónomos. Estos sistemas impulsados por IA, pueden acelerar el proceso de síntesis química y reducir la dependencia de experimentación manual.

Un equipo del (MIT) desarrolló un robot con IA capaz de predecir, fabricar y analizar casi 300 tintes químicos nuevos, de los cuales nueve presentaron propiedades óptimas para imagen biomédica.

Sin embargo, la automatización de laboratorios aún enfrenta escepticismo. En 2023, el equipo del A-Lab en el Laboratorio Nacional Lawrence Berkeley anunció la síntesis de 41 materiales nuevos con datos de Google DeepMind y el Materials Project. No obstante, algunos expertos cuestionaron la validez de estos resultados debido a inconsistencias en el análisis del modelo.