¿Y si el próximo gran avance en baterías, superconductores o materiales para IA no viniera de un laboratorio, sino de una IA con obsesión por los átomos?
Bienvenido a la era de la ciencia de materiales acelerada por inteligencia artificial. DeepMind lo ha vuelto a hacer.
Una avalancha de combinaciones atómicas
Buscar nuevos materiales ha sido, históricamente, una mezcla de intuición científica, años de laboratorio y mucha, pero mucha paciencia. Imagina jugar al Lego con millones de piezas, pero sin instrucciones ni saber qué construyes. Así trabajan los investigadores cuando buscan compuestos útiles: por ensayo y error, simulación y algo de suerte.
Hasta ahora.
En diciembre de 2023, DeepMind anunció GNoME (Graph Networks for Materials Exploration), un sistema de IA diseñado para encontrar materiales nuevos con propiedades útiles… y lo hizo en una escala que ni los científicos más optimistas preveían:
- 2,2 millones de materiales nuevos predichos
- 700.000 potencialmente estables
- Más de 380.000 ya añadidos a la base de datos pública Materials Project
Y todo, sin romper ni un solo tubo de ensayo.
Cómo funciona GNoME (y por qué es tan diferente)
GNoME no es solo otro modelo entrenado para repetir patrones: es un sistema de aprendizaje profundo basado en redes de grafos, que analiza estructuras cristalinas como si fueran redes de conexiones entre átomos. La IA predice su estabilidad, simula su comportamiento, y filtra los que podrían tener aplicaciones reales.
Se entrena con estructuras conocidas y sus propiedades, y luego explora el universo casi infinito de posibles combinaciones.
GNoME aprendió a predecir con precisión la energía libre de formación de un cristal, clave para saber si es viable en la realidad.
Y DeepMind conectó GNoME con un sistema de automatización robótica experimental en Berkeley Lab (A-Lab), capaz de sintetizar físicamente los materiales más prometedores.
¿Qué tipo de materiales ha descubierto?
Los materiales hallados tienen aplicaciones en:
- Superconductividad
- Almacenamiento de energía
- Catalizadores industriales
- Semiconductores y dispositivos ópticos
- Refrigeración magnetocalórica
- Materiales resistentes al calor extremo
¿Y por qué esto importa?
Este avance cambia el ritmo de la ciencia de materiales. Hasta ahora, descubrir un nuevo compuesto útil podía tardar años. Con IA, ese mismo ciclo se reduce a días o incluso horas.
“Estamos asistiendo al nacimiento de una nueva forma de hacer ciencia: una colaboración entre la intuición humana, el conocimiento químico y la exploración algorítmica.” — Ekin Dogus Cubuk (DeepMind)
Y lo más interesante: los datos están disponibles públicamente.
¿Cómo se puede acceder o probar?
Los compuestos descubiertos se han añadido a:
¿Qué viene ahora?
GNoME no sustituye a los científicos, pero sí les da una superpotencia: explorar miles de millones de posibilidades y enfocarse solo en las mejores.
Este modelo ya está inspirando otras iniciativas de “AI-for-Science”, como:
- IA para optimizar reacciones químicas (OpenCatalyst)
- Descubrimiento de nuevas drogas con AlphaFold 3
- Modelos generativos para estructuras moleculares
Se abre una nueva etapa donde entrenar modelos no es solo cuestión de datos, sino de materia.
Reflexión final
¿Estamos viendo el fin del método científico clásico tal como lo conocíamos?
Quizá no el fin, pero sí su fusión con otro enfoque: el descubrimiento algorítmico.
Por ahora, nosotros nos limitamos a aplaudir… 👏 y a instalar los updates del software.
¿Has explorado alguna vez materiales en simulación molecular? ¿Te animas a revisar los compuestos de GNoME y contarnos cuál te parece más prometedor?
Deja una respuesta