¿Cómo la IA ayuda a descubrir millones de nuevos materiales?
Tiempo de lectura: 3 minutos La herramienta de inteligencia artificial GNoME desarrollada por DeepMind de Google encuentra 2,2 millones de nuevos cristales, incluidos 380.000 materiales estables que podrían impulsar tecnologías futuras. El trabajo fue publicado en Nature y este es un resumen elaborado por dos de sus autores.
Amil Merchant y Ekin Dogus Cubuk
Las tecnologías modernas, desde chips de computadora y baterías hasta paneles solares, se basan en cristales inorgánicos. Para permitir nuevas tecnologías, los cristales deben ser estables, de lo contrario pueden descomponerse, y detrás de cada cristal nuevo y estable pueden haber meses de ardua experimentación.
En un artículo publicado en Nature , en noviembre de 2023, compartimo el descubrimiento de 2,2 millones de nuevos cristales, lo que equivale a casi 800 años de conocimiento. Presentamos Graph Networks for Materials Exploration (GNoME), nuestra nueva herramienta de aprendizaje profundo que aumenta drásticamente la velocidad y la eficiencia del descubrimiento al predecir la estabilidad de nuevos materiales.
Con GNoME, hemos multiplicado la cantidad de materiales tecnológicamente viables conocidos por la humanidad. De sus 2,2 millones de predicciones, 380.000 son las más estables, lo que las convierte en candidatos prometedores para la síntesis experimental. Entre estos candidatos se encuentran materiales que tienen el potencial de desarrollar futuras tecnologías transformadoras que van desde superconductores, potenciando supercomputadoras y baterías de próxima generación para impulsar la eficiencia de los vehículos eléctricos.
GNoME muestra el potencial del uso de la IA para descubrir y desarrollar nuevos materiales a escala. Investigadores externos en laboratorios de todo el mundo han creado de forma independiente 736 de estas nuevas estructuras de forma experimental en trabajos simultáneos. En asociación con Google DeepMind, un equipo de investigadores del Laboratorio Nacional Lawrence Berkeley también publicó un segundo artículo en Nature que muestra cómo nuestras predicciones de IA pueden aprovecharse para la síntesis autónoma de materiales.
Hemos puesto las predicciones de GNoME a disposición de la comunidad de investigación. Contribuiremos con 380.000 materiales que prevemos que serán estables al Proyecto de Materiales, que ahora está procesando los compuestos y agregándolos a su base de datos en línea . Esperamos que estos recursos impulsen la investigación sobre cristales inorgánicos y desvelen la promesa de las herramientas de aprendizaje automático como guías para la experimentación.
Acelerar el descubrimiento de materiales
En el pasado, los científicos buscaban nuevas estructuras cristalinas modificando cristales conocidos o experimentando con nuevas combinaciones de elementos, un proceso costoso de prueba y error que podía tardar meses en ofrecer resultados, incluso limitados. Durante la última década, los enfoques computacionales liderados por el Materials Project y otros grupos han ayudado a descubrir 28.000 nuevos materiales. Pero hasta ahora, los nuevos enfoques guiados por la IA alcanzan un límite fundamental en su capacidad para predecir con precisión materiales que podrían ser experimentalmente viables. El descubrimiento de 2,2 millones de materiales por parte de GNoME equivaldría a unos 800 años de conocimiento y demuestra una escala y un nivel de precisión sin precedentes en las predicciones.
Por ejemplo, 52.000 nuevos compuestos estratificados similares al grafeno que tienen potencial para revolucionar la electrónica con el desarrollo de superconductores. Hasta ahora se habían identificado alrededor de 1.000 materiales de este tipo . También encontramos 528 conductores potenciales de iones de litio, 25 veces más que en un estudio anterior , que podrían usarse para mejorar el rendimiento de las baterías recargables.
Estamos publicando las estructuras previstas para 380.000 materiales que tienen la mayor probabilidad de fabricarse con éxito en el laboratorio y utilizarse en aplicaciones viables. Para que un material se considere estable, no debe descomponerse en composiciones similares con menor energía. Por ejemplo, el carbono en una estructura similar al grafeno es estable en comparación con el carbono en los diamantes. Matemáticamente, estos materiales se encuentran en el casco convexo.
El rápido desarrollo de nuevas tecnologías basadas en estos cristales dependerá de la capacidad para fabricarlos. En un artículo dirigido por nuestros colaboradores del Berkeley Lab, los investigadores demostraron que un laboratorio robótico podría fabricar rápidamente nuevos materiales con técnicas de síntesis automatizadas. Utilizando materiales del Proyecto de Materiales y conocimientos sobre estabilidad de GNoME, el laboratorio autónomo creó nuevas recetas para estructuras cristalinas y sintetizó con éxito más de 41 nuevos materiales, abriendo nuevas posibilidades para la síntesis de materiales impulsada por IA.
A-Lab, una instalación en Berkeley Lab donde la inteligencia artificial guía a los robots en la fabricación de nuevos materiales. Crédito de la foto: Marilyn Sargent/Berkeley Lab.
Nuestra investigación, y la de los colaboradores del Berkeley Lab, Google Research y equipos de todo el mundo, muestra el potencial de utilizar la IA para guiar el descubrimiento, la experimentación y la síntesis de materiales. Esperamos que GNoME, junto con otras herramientas de inteligencia artificial, pueda ayudar a revolucionar el descubrimiento de materiales hoy y dar forma al futuro del campo.
Fuente: Google DeepMind
