Imagina que diseñar el material perfecto para tu próximo gran invento fuera tan fácil como pedir en un restaurante. Le dices a la inteligencia artificial de qué se desea y, después de unos segundos, te sirve la combinación de átomos exacta que necesitas. Así de sencillo sería en teoría, pero la realidad es un poco más complicada. Hasta ahora, los modelos de lenguaje no tenían suficiente contexto visual para entender la complejidad del mundo de los cristales, pero un equipo del MIT acaba de romper ese techo de cristal (literalmente).
El problema: La IA no ‘veía’ los átomos
Para entender la magnitud del logro, hay que saber cómo funcionan los modelos tradicionales. La mayoría de las inteligencias artificiales actuales se entrenan con texto: libros, artículos y bases de datos escritas en lenguaje natural. Sin embargo, la ciencia de los materiales no es un cuento de hadas; se trata de arreglos tridimensionales de átomos. Es como pedirle a alguien que imagine una escultura compleja solo leyéndole la lista de ingredientes, sin mostrarle la foto.
En Tantita Tinta hemos analizado cómo este hueco de información limitaba las predicciones de la IA. Los modelos basados solo en texto tendían a sesgarse hacia los cristales más populares en la literatura científica, ignorando miles de estructuras potencialmente revolucionarias que existían en bases de datos computacionales pero no habían sido publicadas extensamente en revistas tradicionales.
La solución: Un modelo ‘multimodal’ para materiales
Los investigadores del Instituto de Tecnología de Massachusetts crearon un modelo de visión y lenguaje diseñado específicamente para cristales. La clave está en el ‘aprendizaje contrastativo’. En lugar de solo leer, el modelo compara visualmente las estructuras atómicas de los cristales con descripciones textuales ricas y detalladas generadas por otras inteligencias artificiales. Es como si el modelo hubiera desarrollado un puente entre el área visual de tu cerebro y el lenguaje para entender mejor el mundo físico.
Este modelo no solo describe la composición química; también habla de las propiedades, las consideraciones de procesamiento y posibles aplicaciones. El resultado es una comprensión mucho más profunda de por qué un material funciona de cierta manera.
Pruebas en la cancha: Baterías y más allá
¿Esto es vapor de agua o ciencia seria? Los autores publicaron sus hallazgos en la prestigiosa revista Nature Communications y los resultados son contundentes. Al pedirles al modelo que identificara materiales adecuados para electrolitos de baterías de ion de litio de estado sólido, la IA propuso candidatos que fueron identificados de forma independiente por otros estudiosos como excelentes opciones.
Más importante aún, el equipo demostró que su nuevo sistema fue capaz de aprender representaciones geométricas de las estructuras de materiales, algo que los modelos puramente de texto no podían lograr. Ju Li, Profesor Carl Richard Soderberg de Ingeniería de Energía en MIT, explicó que la estructura es el corazón de la ciencia de materiales. “Si entiendes la estructura, puedes inferir bastante sobre las propiedades y el rendimiento”, señaló Li. “Queríamos construir la conexión entre la estructura atómica de un material y sus propiedades para el modelo”.
¿Por qué debería interesarte esto?
Aunque suene abstracto, esta tecnología tiene implicaciones directas en tu bolsillo y en la sostenibilidad del planeta. Mejoramos la eficiencia de las baterías de nuestros celulares, aceleramos el desarrollo de paneles solares más baratos y facilitamos la creación de metales resistentes para la industria pesada. Li compara este avance con AlphaFold, la IA que revolucionó la biología al entender la estructura de las proteínas. Aquí se hace algo similar, pero para la materia sólida.
El equipo de Tantita Tinta ve en este desarrollo una señal clara: estamos dejando atrás la etapa donde la IA solo procesaba información textual. Ahora, estamos dotando a las máquinas de una percepción casi holográfica de la realidad física. Elsa Olivetti, coautora del estudio, espera que este sea uno de esos “saltos” que cambien la trayectoria de toda la comunidad científica, permitiendo que los investigadores usen esta herramienta para acelerar sus descubrimientos diarioss.
La investigación, respaldada por agencias de defensa y fondo nacionales en EE.UU. y Corea del Sur, pone de manifiesto que el futuro de la ingeniería de materiales no solo se escribe en texto, sino que se ‘ve’ en dimensiones que la IA por fin puede interpretar. Para nosotros, esto no es solo un logro académico; es la base un mundo donde los materiales del futuro se diseñan en horas, no en décadas.
Fuente: MIT News
