Uno de los aspectos menos considerados de la inteligencia artificial (IA) es su capacidad de acortar el tiempo. Puede acelerar prácticas muy largas y costosas en términos de recursos y energía. Algo que es particularmente cierto en las pruebas de laboratorio. Sobre todo, en el ámbito de los nuevos materiales.
El estudio de nuevos materiales es fundamental para docenas de sectores industriales, desde la ingeniería hasta la automoción y la energía. De hecho, los materiales que utilizamos siempre han sido los propulsores de nuestro desarrollo como especie. Han caracterizado las eras, con las Edades de Piedra, Bronce y Hierro. Hoy, las industrias aeroespacial y de la automoción son la vanguardia de la investigación de nuevos materiales.
En todo esto, la inteligencia artificial puede brindarnos una gran ayuda. Durante cientos de años, la investigación sobre materiales se ha llevado a cabo de acuerdo con el enfoque de ensayo y error. Mucho más que en otros campos científicos, el azar ha jugado un papel importante. Pero, ahora, esta especie de alquimia, en gran parte basada en la intuición, podría volverse mucho más eficaz.
La IA acorta los tiempos de investigación
Investigadores de la Universidad Northwestern (Illinois, Estados Unidos) han utilizado un sistema de inteligencia artificial para comprender cómo producir un nuevo híbrido entre metal y vidrio. A diferencia del pasado, se pudo evaluar su viabilidad doscientas veces más rápido de lo que hubiera sido posible con el método de ensayo y error.
Otros científicos están creando bases de datos que contienen miles de compuestos. Los algoritmos programados para escanearlos podrán predecir cuáles de esos compuestos químicos y físicos se combinarán mejor para crear materiales nuevos e inimaginables. Otros investigadores están explotando la IA para analizar más rápidamente todas las investigaciones y artículos sobre el tema. De esta forma, podrán entender si existen puntos de contacto que los autores, por sus límites humanos, no pudieron sondear. Están buscando materiales ocultos entre todos los cálculos y experimentos llevados a cabo hasta ahora.
Hoy en día, la inteligencia artificial permite a los investigadores ir más allá de la competencia observacional y evitar las infinitas pruebas de laboratorio. Gracias a los cálculos y simulaciones basados en el big data, es posible mapear de forma rápida y precisa las características que podría tener un material que aún no existe. Por ejemplo, ligereza, resistencia, elasticidad o tal vez una naturaleza ignífuga.
Según James Warren, director del Materials Genome Initiative en el National Institute of Standards and Technology de EE.UU., esta capacidad predictiva puede revolucionar cualquier industria. El tiempo que transcurre entre el descubrimiento de un material y su uso en la producción de un producto de consumo, como una batería de automóvil o de smartphone, puede ser muy largo. Incluso 20 años. Así que acelerar este proceso significa obtener mejores productos en menos tiempo. «Podemos mejorar casi cualquier objeto», asegura Warren.
El ‘cocinero’ de nuevos materiales
El científico de materiales es un poco como un cocinero que tiene ingredientes, pero quiere obtener un resultado diferente de lo que podrían producir las propiedades naturales de esos ingredientes. Necesita una receta que lo ayude a procesar esos ingredientes hasta que adquieran la estructura o características deseadas. En el laboratorio se trabaja en las estructuras físicas y químicas de los materiales de partida. Y en los procesos que pueden conducir a lo que se desea obtener.
La inteligencia artificial puede ayudar, especialmente con la llegada de los ordenadores cuánticos, a predecir las propiedades de un posible material «incluso antes de que llegue al laboratorio». Es lo que asegura Chris Wolverton, científico de materiales de la Northwestern y director del Open Quantum Materials Database. Junto con otras bases de datos parecidas, como el Materials Project y el Materials Cloud, la aplicación de la IA está aumentando y apoyando muchos descubrimientos.
Nuevos materiales con propiedades extraordinarias
Particularmente interesantes son las intersecciones entre materiales tridimensionales y bidimensionales, como el famoso grafeno. Estos materiales 2D pueden guardan propiedades extraordinarias que no tienen en la forma tridimensional. Algo muy útil en dispositivos tecnológicos. Para encontrar esas propiedades, los investigadores utilizaron un algoritmo que se puso a buscar en numerosas bases de datos.
Según el artículo publicado en la revista ‘Nature Nanotechnology’, a partir de 100.000 materiales analizados, la IA ha identificado 2.000 combinaciones que se pueden someter a ese proceso específico. Algunos pueden absorber energía solar, convertir el calor en agua o funcionar como excelentes conductores eléctricos. Lo cierto es que habrá que pasar por el laboratorio para verificar sus características. Pero los algoritmos y el poder computacional ayudan a reducir mucho el tiempo de búsqueda. Además, a menudo es la propia IA la que sugiere el camino más efectivo para lograr un determinado resultado.
Por un lado está el análisis rápido de todos los estudios publicados. Por el otro, el uso del machine learning para aplicar las reglas extraídas de esos análisis. Esta combinación permite al algoritmo aprender a hacer predicciones certeras. Los desafíos permanecen porque los cálculos no pueden prever todas las implicaciones y mantienen márgenes de error. Sin embargo, se ha abierto un nuevo camino en la investigación científica. Útil, entre otras cosas, no solo para descubrir nuevos materiales, sino también para identificar formas más eficientes de producir aquellos que ya usamos.
En Nobbot | La IA que tarda solo 2 horas en diseñar la tabla periódica y va a cambiarlo todo
Imágenes | iStock