Google DeepMind, el laboratorio de inteligencia artificial de renombre, ha logrado un hito significativo al añadir cerca de 400.000 nuevos materiales a la base de datos especial del Laboratorio Nacional Lawrence Berkeley, conocida como el Proyecto de Materiales. Este proyecto computa las propiedades tanto de materiales conocidos como de aquellos predichos, y la contribución de DeepMind amplía enormemente las posibilidades para los científicos en la búsqueda de materiales prometedores para tecnologías futuras.
La adición de estos nuevos materiales es crucial para impulsar la innovación en múltiples campos. Según Kristin Persson, fundadora y directora del Proyecto de Materiales en Berkeley Lab y profesora en UC Berkeley, la creación de nuevos materiales es esencial para abordar desafíos ambientales y climáticos globales. La innovación en materiales puede conducir al desarrollo de plásticos reciclables, la captación de energía residual, la mejora de baterías y la construcción de paneles solares más económicos y duraderos.
Para crear estos materiales, DeepMind utilizó una herramienta de aprendizaje profundo llamada GNoME (Graph Networks for Materials Exploration). Esta herramienta fue entrenada utilizando información del Proyecto de Materiales, lo que resultó en la creación de millones de estructuras cristalinas, de las cuales aproximadamente 400,000 se consideraron estables y útiles.
Las investigaciones de DeepMind han sido validadas a través de experimentos físicos independientes, con más de 736 de los nuevos materiales de GNoME confirmados mediante experimentos físicos concurrentes. Esto demuestra que los descubrimientos del modelo pueden realizarse en laboratorios.
Se utilizó la información de los cálculos de GNoME y el Proyecto de Materiales para probar A-Lab, un laboratorio equipado con robots inteligentes capaces de fabricar nuevos materiales con poca intervención humana. En solo 17 días, A-Lab creó 41 nuevos compuestos, una tasa de éxito significativamente más rápida en comparación con los métodos tradicionales.
Este avance demuestra que la combinación de teoría, datos y automatización puede acelerar enormemente la fabricación y prueba de materiales. Con la adición de más datos al Proyecto de Materiales, los investigadores pueden tomar decisiones aún más informadas para el desarrollo de materiales.
El objetivo de esta colaboración entre DeepMind y Berkeley Lab es aprovechar los datos para una exploración impulsada por ellos, proporcionando a las empresas más oportunidades viables en el desarrollo de materiales.
El estudio que describe estos avances ha sido publicado en la revista científica Nature.