En un logro innovador, Google DeepMind, una subsidiaria de Alphabet (GOOGL), ha aprovechado el poder de la inteligencia artificial (IA) para predecir las estructuras de más de 2 millones de nuevos materiales. Este hito, publicado en la prestigiosa revista científica Nature. Tiene el potencial de remodelar varias industrias mejorando significativamente la producción de baterías, paneles solares y chips de computadora.
Tradicionalmente, el descubrimiento y la síntesis de nuevos materiales han sido costosos y han requerido mucho tiempo, a menudo abarcando una década o más. Sin embargo, la innovadora IA de DeepMind, entrenada con datos del Materials Project, un grupo de investigación internacional fundado en 2011. Ha logrado predecir la estructura de casi 400.000 diseños de materiales hipotéticos. Se espera que este avance acorte el plazo habitualmente largo de 10 a 20 años para el desarrollo de materiales.
La herramienta de aprendizaje profundo GNoME, un componente crucial del arsenal de DeepMind, identificó la asombrosa cifra de 2,2 millones de nuevos cristales inorgánicos. De los cuales 380.000 fueron identificados como los más estables para la investigación experimental. Esta precisión predictiva se extiende a la estabilidad de las estructuras cristalinas. Ejemplificada por el descubrimiento de 52.000 nuevos compuestos en capas similares al grafeno y 528 conductores potenciales de iones de litio, 25 veces más que estudios anteriores.
Para facilitar mayores avances, DeepMind está adoptando un enfoque colaborativo al compartir su vasto conjunto de datos con la comunidad de investigación a través del Proyecto de Materiales de Próxima Generación. Los datos abarcan todos los descubrimientos y predicciones de GNoME, brindando a los investigadores acceso gratuito para explorar y experimentar con el nuevo tesoro escondido de estructuras materiales.
Un salto significativo hacia la síntesis eficiente de materiales ha sido posible gracias a la colaboración de DeepMind con el Laboratorio de Berkeley, que dio como resultado la creación de un laboratorio robótico. Este laboratorio autónomo sintetizó con éxito 41 de los materiales recién descubiertos, lo que demuestra el potencial transformador de la IA en la síntesis experimental.
Ekin Dogus Cubuk, científico investigador de DeepMind, expresó su esperanza de lograr mejoras sustanciales en la experimentación. La síntesis autónoma y los modelos de aprendizaje automático. El optimismo compartido se extiende a Kristin Persson, directora del Proyecto de Materiales, quien enfatizó la necesidad de reducir los plazos para el desarrollo de materiales. A pesar de la tendencia de la industria a ser cautelosa ante los aumentos de costos, los avances colaborativos impulsados por la IA pueden remodelar la dinámica, reduciendo potencialmente el tiempo que tardan los nuevos materiales en volverse rentables.
La convergencia de la IA y la ciencia de los materiales mostrada por el logro de DeepMind representa una aceleración radical en el desarrollo tecnológico. El impacto en industrias como el almacenamiento de energía, la electrónica y más está preparada para abrir innumerables caminos de innovación.
A continuación deja tu comentario y síguenos en nuestro Blog y redes sociales para estar al día sobre las noticias de ciencia y tecnología. Recuerda visitarnos en nuestro canal de Telegram y de WhatsApp.
