La IA acelera el descubrimiento de materiales: 2,2 millones de cristales predichos por DeepMind

De meses a semanas: la IA como colaboradora de laboratorio

El proyecto GNoME de Google DeepMind ha predicho 2,2 millones de nuevos cristales, de los cuales 736 ya han sido sintetizados en laboratorios reales, con aplicaciones potenciales en campos como las baterías y los superconductores, según recoge el análisis publicado por Donweb. Investigadores de distintos centros, entre ellos el laboratorio virtual de la Universidad de Stanford, han utilizado sistemas similares para diseñar decenas de moléculas candidatas en cuestión de semanas, un proceso que hasta hace poco requería meses de trabajo manual en el laboratorio.

El mecanismo, según explican los propios investigadores, funciona como un ciclo de aprendizaje continuo: el sistema propone un diseño, lo somete a prueba, aprende de cada resultado fallido y ajusta el siguiente intento, todo ello sin que un investigador tenga que anotar manualmente cada paso del proceso. Los propios científicos consultados por Donweb matizan, no obstante, que calificar este proceso de "autónomo" es en cierto modo exagerado: sigue existiendo supervisión humana, revisión de los datos generados y decisiones finales que recaen en los equipos de investigación, no en el sistema de inteligencia artificial.

Resultados concretos en el campo de las baterías

Uno de los ámbitos donde estos avances ya muestran resultados medibles es el de las baterías de iones de litio, un campo especialmente relevante ante la creciente demanda de los vehículos eléctricos. Según los datos recopilados por Donweb, el uso de aprendizaje automático para descubrir nuevos electrolitos ha permitido mejoras de entre el diez y el quince por ciento en eficiencia, incrementos de entre el treinta y el cuarenta por ciento en densidad energética, y una predicción de la vida útil de las baterías con un noventa y cinco por ciento de precisión.

Investigación autónoma durante 72 horas seguidas

Más allá del descubrimiento de materiales, investigadores de la Universidad de Carolina del Norte han puesto a prueba directamente la capacidad de un sistema de inteligencia artificial para investigar sin intervención humana continua, según recoge el portal DiarioBitcoin. Dejaron al sistema trabajando durante setenta y dos horas seguidas, en las que completó cincuenta experimentos de forma consecutiva y desarrolló una memoria de contexto de largo alcance que llegó a superar las referencias de comparación humanas utilizadas en el estudio.

Una colaboración, no una sustitución

Los propios investigadores consultados insisten en que el papel de la inteligencia artificial en la ciencia actual debe entenderse como una amplificación de la capacidad humana, no como un reemplazo del científico. Según la analogía que emplean varios de ellos, un químico que trabaja con el apoyo de estas herramientas puede hoy realizar el volumen de trabajo que hace una década habría requerido el esfuerzo conjunto de cinco investigadores, sin que ello elimine la necesidad de personal cualificado: la demanda de científicos, señalan, seguirá siendo alta, porque la propia inteligencia artificial genera más preguntas de investigación de las que consigue responder por sí sola.

Este equilibrio entre aceleración y supervisión resume bastante bien el estado actual de la IA aplicada a la ciencia: una herramienta capaz de comprimir procesos que antes tomaban meses en cuestión de semanas, pero que todavía depende de forma crítica del criterio, la validación y la dirección estratégica de los equipos de investigación humanos.