Investigadores de Google DeepMind han entrenado un modelo de aprendizaje profundo para predecir la estructura de más de 2,2 millones de materiales cristalinos, 45 veces más que el número descubierto en toda la historia de la ciencia.
De los más de dos millones de nuevos materiales, se cree que unos 381 000 son estables, lo que significa que no se descompondrían, una característica esencial para fines de ingeniería. Estos nuevos materiales pueden potenciar el desarrollo de tecnologías clave del futuro, como semiconductores, supercomputadoras y baterías, aseguró la compañía
Las tecnologías modernas, desde la electrónica hasta los vehículos eléctricos, pueden hacer uso de solo 20 000 materiales inorgánicos. Estos fueron descubiertos en gran parte a través de prueba y error durante siglos. La nueva herramienta de DeepMind, conocida como Graph Networks for Materials Exploration (GNoME), ha descubierto cientos de miles de materiales estables en solo un año.
La inteligencia artificial (IA) encontró 52 000 nuevos compuestos en capas similares al grafeno que podrían usarse para desarrollar superconductores más eficientes, componentes cruciales en escáneres de resonancia magnética, computadoras cuánticas experimentales y reactores de fusión nuclear. También halló 528 conductores potenciales de iones de litio, 25 veces más que un estudio anterior, que podrían usarse para aumentar el rendimiento de las baterías de los vehículos eléctricos.
Para lograr estos descubrimientos, el modelo de aprendizaje profundo se entrenó con una gran cantidad de datos del Proyecto de Materiales. El programa, dirigido por el Laboratorio Nacional Lawrence Berkeley en Estados Unidos, ha utilizado técnicas de IA similares para descubrir alrededor de 28 000 nuevos materiales estables durante la última década. Google DeepMind ha ampliado este número ocho veces, en lo que la compañía llama una “expansión de orden de magnitud en materiales estables conocidos por la humanidad”.
Si bien los nuevos materiales son técnicamente solo predicciones, los investigadores de DeepMind dicen que los experimentadores independientes ya han fabricado 736 de ellos, verificando su estabilidad. Y un equipo del Laboratorio de Berkeley ya ha estado utilizando robots autónomos para sintetizar materiales descubiertos a través del estudio. Como se detalla en este estudio, el robot autónomo impulsado por IA fue capaz de dar vida a 41 de los 58 materiales previstos, en solo 17 horas.
“La industria tiende a ser un poco reacia al riesgo cuando se trata de aumentos de costos, y los nuevos materiales generalmente toman un poco de tiempo antes de que se vuelvan rentables”, dijo a Reuters Kristin Persson, directora del Proyecto de Materiales. “Si podemos reducir eso incluso un poco más, se consideraría un verdadero avance”.
Google DeepMind publicará resultados de inmediato
Los investigadores de DeepMind dicen que publicarán de inmediato los datos sobre los 381 000 compuestos que se prevé que sean estables y pondrán a disposición del público el código de su IA. Al dar a los científicos el catálogo completo de las prometedoras “recetas” para nuevos materiales candidatos, la compañía dijo que espera acelerar el descubrimiento y reducir los costos.
La presentación de GNoME se produce inmediatamente después de varios desarrollos impresionantes en Google DeepMind, que se formó en abril cuando DeepMind, con sede en el Reino Unido, y Google Brain, con sede en Estados Unidos, se fusionaron en una sola unidad de investigación de IA. El último de sus productos es el lanzamiento del sistema de predicción meteorológica global de 10 días más preciso del mundo.
