La Dra. María Guadalupe Estrada Meza es profesora y coordinadora del área de estructuras en el departamento de Arquitectura de la UDLAP, además de ser miembro del Sistema Nacional de Investigadores (SNI). Apasionada por el estudio de los materiales, se dedica a demostrar que las estructuras no solo pueden ser funcionales, sino también estéticamente bellas, destacando la importancia crucial de esta área en la formación integral de un arquitecto. Contacto: maria.estrada@udlap.mx
La inteligencia artificial (IA) se ha consolidado como una herramienta disruptiva en diversos campos del conocimiento, incluyendo la medicina, la educación, la ingeniería y el diseño. En la actualidad, su aplicación se ha extendido al ámbito de la ciencia de materiales, donde está revolucionando los procesos de descubrimiento y optimización de nuevas sustancias. A través del análisis masivo de datos y la modelación predictiva, la IA permite diseñar compuestos con propiedades específicas que antes resultaban difíciles, o incluso inalcanzables, mediante los métodos tradicionales. Este avance marca una transición significativa: de la era de los polímeros convencionales, hacia una nueva etapa caracterizada por materiales inteligentes diseñados con apoyo de algoritmos de inteligencia artificial.
En la conferencia magistral “Diálogos de Ciencia en Español”, celebrada el 26 de octubre de 2022 y organizada por la Fundación Ramón Areces y la Fundación Rafael del Pino, el Dr. Rafael Gómez Bombarelli, profesor de Ciencia e Ingeniería de Materiales en el Instituto Tecnológico de Massachusetts (MIT), expuso la necesidad de transformar los procesos tradicionales de desarrollo de materiales. Señaló que, en promedio, transcurren aproximadamente 20 años desde la invención de un material en el laboratorio hasta su adopción a escala comercial. En este contexto, advirtió que, considerando las metas climáticas establecidas para el año 2050, sólo disponemos de cinco años para implementar soluciones disruptivas si se mantienen las tendencias convencionales. Ante este panorama, Gómez Bombarelli propone invertir el ciclo tradicional de diseño de materiales, incorporando herramientas computacionales desde las primeras etapas del proceso, con el fin de acelerar la sustitución de materiales existentes y contribuir a la reparación de los daños ambientales ocasionados.
Históricamente, el diseño de nuevos materiales ha estado guiado por la combinación de leyes fisicoquímicas y metodologías basadas en ensayo y error. Sin embargo, este enfoque presenta limitaciones inherentes, principalmente debido al elevado coste económico y temporal de los experimentos de laboratorio. Dado que el espacio de materiales posibles es prácticamente infinito, solo una fracción mínima puede ser explorada experimentalmente. Ante esta realidad, se ha propuesto reconfigurar el ciclo tradicional de diseño de materiales mediante la incorporación temprana de herramientas computacionales.
Las simulaciones atomísticas permiten predecir el comportamiento de materiales hipotéticos a nivel molecular, lo que facilita la estimación de sus propiedades sin necesidad de síntesis inmediata. No obstante, estas simulaciones suelen ser computacionalmente costosas y, en muchos casos, no alcanzan la precisión requerida frente a los datos experimentales. Es en este punto donde el aprendizaje automático (Machine Learning, ML) ofrece un nuevo paradigma: mediante la interpolación entre cálculos preexistentes, los modelos de ML pueden sustituir las simulaciones con una fracción del coste computacional. Además, la incorporación de principios físicos en estos modelos garantiza mayor solidez, interpretabilidad y transferibilidad.
La exploración exhaustiva del conocimiento acumulado en la literatura científica sobre materiales es inviable bajo esquemas convencionales. En este contexto, la inteligencia artificial (IA) emerge como una herramienta clave, capaz de procesar grandes volúmenes de artículos científicos y extraer información valiosa a partir de resultados históricos. Estos datos se integran con modelos físicos previamente validados, permitiendo su uso en contextos prospectivos para el diseño de nuevas moléculas y materiales, ya sea como variantes de compuestos existentes o como innovaciones completamente nuevas.
Mediante esta capacidad de cribado y análisis masivo de millones de compuestos, la IA puede predecir con gran rapidez las propiedades funcionales de los materiales y sugerir aquellos que se ajusten a requerimientos tecnológicos específicos. Esta evolución ha impulsado el enfoque del diseño inverso, donde en lugar de predecir propiedades a partir de estructuras, se define primero la propiedad deseada y se identifica, mediante modelos generativos, la estructura molecular capaz de satisfacerla.
Esta convergencia entre aprendizaje automático y simulaciones basadas en principios físicos ha acelerado significativamente el proceso de descubrimiento de materiales. No obstante, el principal desafío actual reside en la disponibilidad y calidad de los datos requeridos para entrenar modelos robustos y generalizables.
Un ejemplo notable de este avance es el proyecto de Google DeepMind, que ha utilizado IA para predecir las estructuras cristalinas de 2.2 millones de nuevos materiales, de los cuales más de 700 se encuentran ya en fase de prueba experimental, aunque aún se desconoce el uso potencial de muchos de ellos. Por su parte, María Bernechea, investigadora del Instituto de Nanociencia y Materiales de Aragón, subraya que la inteligencia artificial será fundamental para desarrollar una nueva generación de materiales inteligentes, más ligeros, resistentes, funcionales y adaptables, incluso con capacidades de autoensamblaje o memoria estructural, capaces de responder a estímulos ambientales como el pH o la temperatura. [Rubio,2024].
En el sector de la construcción, están surgiendo diversos materiales innovadores, entre los que destacan los paneles solares transparentes, también conocidos como cristales fotovoltaicos. Estos dispositivos están diseñados para reemplazar los cristales convencionales en ventanas, permitiendo la generación de energía sin comprometer la estética o la iluminación natural. Panasonic ha presentado ya prototipos con distintos niveles de opacidad, lo que representa una solución altamente innovadora y sostenible.
Por otro lado, el Dr. Rafael Gómez Bombarelli ha señalado que el enfoque de diseño inverso mencionado anteriormente también puede aplicarse a materiales estructurales como el hormigón y el acero, particularmente en el contexto de rascacielos. Esta línea de investigación ya está siendo explorada por múltiples grupos científicos, lo que sugiere que presenciaremos el desarrollo y la implementación de nuevos materiales optimizados en la industria de la construcción en los próximos años.
Rubio, I. (27 de Junio 2024), La era de los materiales impensables, El País, https://elpais.com/tecnologia/branded/inteligencia-artificial/2024-06-27/la-era-de-los-materiales-impensables.html