Las aplicaciones de la inteligencia artificial (IA) son presumiblemente ilimitadas. El rápido desarrollo que ha experimentado esta tecnología durante los últimos cinco años, y del que todos estamos siendo en mayor o menor medida testigos, nos invita a asumir que probablemente todavía no somos del todo conscientes del impacto que va a tener en nuestras vidas. La IA ya está siendo utilizada en el diagnóstico médico por imágenes, para elaborar nuevos fármacos, para descubrir exoplanetas, o, incluso, para filtrar los datos que recogen los detectores del LHC (Large Hadron Collider).
Estas son solo algunas de las aplicaciones que ya están en marcha, y podemos estar seguros de que en el futuro llegarán muchas más. En cualquier caso, la auténtica protagonista de este artículo es una disciplina en la que la IA ya tiene mucho que decir: la ciencia de materiales. Y es que esta tecnología ya está siendo empleada para diseñar nuevos materiales con propiedades óptimas para aplicaciones de biomedicina, energía, aeronáutica o electrónica.
La era de los supermateriales está en las manos de la inteligencia artificial
Domenico Vicinanza, que es profesor asociado de Sistemas Inteligentes y Ciencia de Datos en la Universidad Anglia Ruskin de Cambridge (Reino Unido), explica en el interesantísimo artículo que ha publicado en The Conversation que la complejidad de muchos materiales a nivel atómico y molecular obliga a los científicos a invertir mucho tiempo y esfuerzo en su búsqueda. Hasta la llegada de la IA el diseño de un nuevo material requería recurrir a equipos especializados y aplicar el método de ensayo y error una vez tras otra. Afortunadamente, la IA lo está cambiando todo.
Y lo está haciendo debido a que el aprendizaje automático en particular pone en las manos de los científicos e ingenieros la posibilidad de elaborar estrategias más eficientes y mejor dirigidas. De hecho, los modelos de IA actuales ya son capaces de generar nuevos materiales de una forma directa, y, por tanto, sin necesidad de recurrir al ensayo y error de la manera tradicional, a partir del conjunto de requisitos y propiedades especificados por los investigadores. De alguna forma estamos ante una tecnología que nos permite obtener nuevos materiales "a la carta".
El aprendizaje automático pone en las manos de los científicos e ingenieros la posibilidad de elaborar estrategias más eficientes y mejor dirigidas
El pasado 16 de enero un grupo de investigadores de Microsoft publicó un artículo en la revista científica Nature en el que dio a conocer MatterGen y MatterSim. Son dos herramientas de IA diseñadas para elaborar materiales inorgánicos, y, por tanto, no basados en el carbono. La primera de ellas es capaz de generar nuevos materiales candidatos, mientras que MatterSim lleva a cabo el filtrado de los candidatos y su validación con el propósito de asegurar que es posible fabricar esos materiales con las capacidades del mundo real.
Lo más sorprendente es que MatterGen puede generar miles de materiales con propiedades específicas en muchísimo menos tiempo del que sería necesario invertir empleando las técnicas de ciencia de materiales convencionales. De esta forma los investigadores pueden explorar un abanico mucho más amplio de posibles nuevos materiales y posteriormente llevar a cabo un análisis exhaustivo solo de los candidatos más prometedores.
Las implicaciones de esta tecnología son enormes. Y es que con toda probabilidad a corto plazo tendrá un impacto muy profundo en los ámbitos del diseño de baterías, las energías renovables, la fabricación de dispositivos médicos, la puesta a punto de implantes, la obtención de nuevos fármacos, la captura de carbono o la administración de los residuos, entre muchas otras posibles aplicaciones.
Imagen | Oak Ridge National Laboratory
Más información | The Conversation | Nature
Ver 5 comentarios