La IA descubre dos superconductores nunca antes reportados: así funciona el nuevo método que la ciencia de materiales empieza a adoptar
Un modelo de aprendizaje automático filtró millones de combinaciones químicas y guió a los investigadores hasta YRu₃B₂ y LuRu₃B₂, dos compuestos confirmados en laboratorio esta semana.
De millones de combinaciones posibles a dos materiales reales confirmados en laboratorio
Encontrar un superconductor nuevo ha sido tradicionalmente un desafío costoso, lento y sin garantías: entre las prácticamente infinitas combinaciones posibles de elementos químicos, los investigadores han tenido que apostar, casi a ciegas, por aquellas que creían que valía la pena fabricar y estudiar. Un estudio publicado en la revista Physical Review Research y recogido esta semana muestra cómo la inteligencia artificial puede convertirse en un filtro capaz de señalar los candidatos más prometedores entre millones de posibilidades, reduciendo drásticamente el tiempo y los recursos necesarios para dar con nuevos materiales.
Un equipo de científicos entrenó un sistema de aprendizaje automático para reconocer los patrones asociados a la superconductividad —la capacidad de un material para transportar electricidad sin resistencia eléctrica por debajo de una temperatura determinada—. En lugar de evaluar cada combinación química una por una mediante simulaciones cuánticas, algo inviable incluso con las supercomputadoras más potentes del mundo, el modelo redujo el universo de candidatos a un puñado con altas probabilidades de éxito. Sobre esos candidatos, los investigadores realizaron cálculos basados en mecánica cuántica antes de pasar a la fase experimental.
YRu₃B₂ y LuRu₃B₂: dos compuestos que nunca habían sido identificados como superconductores
El proceso condujo a la identificación de dos compuestos formados por boro, rutenio y elementos de tierras raras —YRu₃B₂ y LuRu₃B₂— que jamás habían sido reportados como superconductores. Una vez sintetizados en el laboratorio, diversas mediciones físicas confirmaron que ambos materiales adquieren un estado superconductor al enfriarse hasta temperaturas cercanas al cero absoluto (-273,5 °C), validando así, por primera vez de forma experimental completa, un proceso de descubrimiento guiado íntegramente por inteligencia artificial de principio a fin.
Lo que importa no es el material, sino el método
Aunque estos dos compuestos concretos todavía requieren temperaturas extremadamente bajas para funcionar —lejos de las aplicaciones cotidianas—, los propios autores del estudio subrayan que el verdadero logro no está en las propiedades de los materiales encontrados, sino en la estrategia empleada para localizarlos. Comparar las predicciones de la IA con el comportamiento real de los materiales sintetizados generó, además, información nueva para perfeccionar tanto los modelos computacionales como la comprensión científica de los mecanismos que conducen a la superconductividad. Los investigadores plantean que este enfoque —IA como filtro de descubrimiento, no como sustituto del investigador— podría extenderse mucho más allá de los superconductores hacia otras familias de materiales.
El anuncio llega apenas unos días después de que, en la Cumbre de la ONU "IA para el Bien" celebrada en Ginebra del 7 al 10 de julio, Amazon Web Services presentara una herramienta de código abierto que conecta asistentes de IA conversacional con el Registro de Datos Abiertos de AWS, una colección con más de 1.100 conjuntos de datos de investigación de organismos como la NASA, la NOAA y los Institutos Nacionales de Salud de EE. UU. Ambos anuncios apuntan en la misma dirección: la IA empieza a integrarse en el método científico no como una curiosidad, sino como una herramienta operativa del día a día en los laboratorios.
