Publicado: julio 21, 2025, 12:23 pm
<![CDATA[
A mediados del siglo XX, un ingeniero de la empresa DuPont trabajaba con gases extremadamente corrosivos cuando notó que uno de los cilindros no se vaciaba. Intrigado, lo cortó por la mitad. Lo que encontró dentro era una sustancia blanca, resbalosa e increíblemente resistente. Había nacido, por accidente, el politetrafluoroetileno, más conocido como teflón. Hoy, ese material está en sartenes, trajes espaciales y válvulas cardíacas. Nadie lo había imaginado antes. Su invención fue un golpe de suerte, pero ahora este tipo de descubrimientos son más usuales.
Una nueva generación de científicos, impulsados por Inteligencia Artificial (IA), está reescribiendo esta historia desde el silicio, diseñando materiales antes impensables con el rigor de un algoritmo. “Los materiales han definido la civilización humana. Y como especie, los hemos descubierto muchas veces por ensayo y error, o incluso por accidente. Pero aquí es donde la inteligencia artificial puede hacer una gran diferencia”, dijo en una sesión Pushmeet Kohli, vicepresidente de Iniciativas cientifica estratégicas de Google Deepmind. Hasta hace poco, la humanidad conocía apenas 28,000 estructuras cristalinas estables. Eso cambió cuando DeepMind, usando modelos de IA, publicó una base de datos que multiplicó por diez ese número. “No solo duplicamos ni triplicamos ese número, lo llevamos a más de 2.2 millones de candidatos, de los cuales 380,000 se consideran estables”, explicó Kohli. Eso es más de diez veces los compuestos conocidos y apenas una muestra de los alcances que se pueden conseguir, pues de acuerdo con Kohli una cosa es predecir la estabilidad de una estructura y otra muy distinta es sintetizarla, conocer sus propiedades, y aplicarla con eficiencia industrial. Y en esa carrera, la IA también gana terreno.
¿Qué materiales está creando la IA? En los últimos años, la inteligencia artificial descubrió y optimizó materiales con aplicaciones en sectores clave: Electrolitos sólidos para baterías más seguras y densas. Perovskitas avanzadas para celdas solares de alto rendimiento. Catalizadores para transformar dióxido de carbono en compuestos útiles. Hidrogeles inteligentes que responden a estímulos físicos y se usan en medicina regenerativa. Aleaciones ultraligeras y cerámicas resistentes para aeronáutica y automoción. Biomateriales personalizados compatibles con tejidos humanos. Todo esto se logra gracias a modelos que combinan big data, física cuántica y aprendizaje automático. “Estamos construyendo herramientas fundamentales que ayudan a los científicos a ser mucho mejores en su labor”, dijo Kohli. Investigadores de la Universidad Carnegie Mellon diseñaron un sistema de IA para planificar, ejecutar y optimizar experimentos científicos de forma autónoma. El sistema, denominado Coscientist, se desarrolló en torno al modelo de lenguaje amplio GPT-4 de OpenAI y se ha optimizado para la automatización de descubrimientos científicos, en particular en la investigación química. Esta investigación puede impulsar la tecnología de almacenamiento de energía de baterías.
El copiloto invisible Uno de los proyectos más famosos de DeepMind es AlphaFold, que predice con precisión la forma de las proteínas. Durante la pandemia, este modelo ayudó a revelar la estructura del virus SARS-CoV-2 en tiempo récord. “Desarrollamos AlphaFold 2 durante la pandemia. Cuando surgió el virus, tuvimos que decidir si liberar o no las estructuras. Fue un debate ético profundo. Finalmente, decidimos compartirlas, y eso ayudó enormemente a la investigación mundial”, relató Kohli. Pero no todo es biología. Herramientas como AlphaEvolve o Coscientist están diseñadas para colaborar con humanos en la creación de algoritmos, generación de hipótesis y exploración científica en múltiples disciplinas, desde matemáticas hasta energía. Como toda tecnología poderosa, la IA para descubrimiento de materiales también presenta riesgos. Por ejemplo, un modelo que diseña proteínas podría servir tanto para curar enfermedades como para fabricar armas biológicas.
]]>
