Los imanes están tan integrados en la vida cotidiana que casi desaparecen del mapa mental: están en el altavoz del móvil, en los motores que abren y cierran puertas, en equipos médicos, en generadores eólicos y, sobre todo, en muchos motores de vehículos eléctricos. El detalle incómodo es que una parte importante de los imanes más potentes de hoy se apoya en tierras raras, un grupo de elementos que suelen ser caros, con cadenas de suministro vulnerables y, en muchos casos, dependientes de importaciones. Para la industria, esto se parece a construir una casa con un material excelente pero que llega en barcos contados y con precio cambiante: funciona, sí, pero añade incertidumbre a gran escala.
En ese contexto, encontrar alternativas no es un capricho científico; es un movimiento de resiliencia tecnológica. El reto es que no vale cualquier material: un motor de coche o un generador necesita imanes permanentes que mantengan su magnetismo de forma fiable y, además, soporten temperaturas elevadas sin “desinflarse” magnéticamente. Si el magnetismo se pierde con el calor, el sistema deja de rendir como se espera. Es como una goma elástica que se ablanda justo cuando más tensión debe aguantar.
Una búsqueda que, a la antigua, sería interminable
Los investigadores llevan tiempo sospechando que existen muchos materiales magnéticos aún por identificar o por caracterizar bien. El problema es el tamaño del espacio de búsqueda. Combinar elementos y estructuras cristalinas abre posibilidades que pueden contarse por millones. Probarlas una por una en un laboratorio no solo sería lento: sería prohibitivamente caro y consumiría recursos humanos y tiempo durante décadas.
Aquí aparece la comparación más sencilla: buscar un material magnético prometedor en ese océano de combinaciones se parece a intentar encontrar una receta perfecta abriendo al azar libros de cocina en bibliotecas diferentes, en varios idiomas, y con anotaciones a mano. Hay conocimiento, pero está disperso, mezclado y cuesta convertirlo en algo utilizable para decidir el siguiente experimento.
La apuesta de la Universidad de New Hampshire: una base de datos que entiende la literatura científica
Un equipo de la University of New Hampshire ha planteado una estrategia distinta: usar inteligencia artificial para convertir ese conocimiento disperso en un recurso único, consultable y comparable. El resultado es la Northeast Materials Database, una base de datos con 67.573 compuestos magnéticos. La cifra ya es llamativa, pero el matiz importante es cómo se construye: el sistema emplea un modelo de IA capaz de leer artículos científicos, extraer datos experimentales relevantes y organizar esa información de forma estructurada.
En otras palabras, la IA hace el trabajo que a veces consume meses: revisar bibliografía, localizar valores medidos, entender condiciones experimentales y reunirlo todo para que tenga sentido. Como si alguien digitalizara una hemeroteca entera y, en vez de guardarla como fotos, la transformara en texto limpio, con campos comparables y búsqueda inteligente.
Según la descripción del proyecto, esa información extraída se utiliza para entrenar modelos capaces de determinar si un material es magnético y estimar la temperatura a la que deja de serlo. Ese punto, conocido como temperatura crítica o de transición, es una pieza clave para decidir si un material puede aspirar a aplicaciones exigentes, donde el calor está garantizado.
El hallazgo que dispara el interés: 25 nuevos candidatos a imanes de alta temperatura
Entre los datos recopilados, el equipo identifica 25 materiales que no habían sido reconocidos previamente como imanes capaces de mantenerse magnéticos a altas temperaturas. El valor no es solo el número: es el tipo de señal que envía. En materiales, descubrir candidatos con buen comportamiento térmico puede abrir una ruta hacia dispositivos más estables y, potencialmente, hacia diseños que reduzcan la dependencia de tierras raras.
Conviene ser cuidadosos con la interpretación. Encontrar candidatos prometedores no equivale a tener mañana un imán listo para producción industrial. Entre un “buen candidato” y un componente que se fabrica por millones hay una cadena de pasos: reproducibilidad, síntesis a escala, coste, compatibilidad con procesos industriales y estabilidad a largo plazo. Aun así, la diferencia entre caminar a oscuras y caminar con un mapa es enorme. Y esta base de datos pretende ser ese mapa.
El trabajo se atribuye a un equipo donde figura Suman Itani como autora principal, junto con Jiadong Zang y Yibo Zhang, y se presenta como una forma de acelerar la identificación de alternativas sostenibles, con un impacto potencial en el coste y la seguridad de suministro de tecnologías de energía limpia. La información divulgada por la universidad y recogida por ScienceDaily pone el énfasis en esa aceleración: no se trata de un solo material milagroso, sino de crear un sistema para descubrir muchos más, mejor y antes.
Por qué la temperatura lo cambia todo en motores y energía
Un motor eléctrico o un generador no viven en un laboratorio a 22 °C. Trabajan, vibran, se calientan, se enfrían, y vuelven a calentarse. En ese ciclo, un imán que pierde magnetismo con facilidad se convierte en un cuello de botella. Es como una nevera con una puerta que no cierra bien: puede parecer un detalle, pero al final condiciona todo el consumo y el rendimiento.
Por eso, hablar de imanes de alta temperatura es hablar de fiabilidad industrial. Cuando la IA ayuda a estimar y comparar el punto en que el material “se rinde” ante el calor, está aportando una métrica práctica para ingenieros y científicos: priorizar qué sintetizar, qué medir primero y qué descartar sin gastar meses.
La IA como “lector incansable” y la ciencia como sistema más rápido
Lo interesante de esta aproximación es que desplaza el cuello de botella. Tradicionalmente, una parte enorme del trabajo científico no es hacer un experimento, sino decidir cuál merece hacerse. Ahí la IA puede funcionar como un lector incansable que no se cansa de revisar papers, buscar tablas, rastrear valores y detectar patrones. Cuando ese esfuerzo se automatiza, los equipos humanos pueden dedicar más energía a diseñar, validar y entender, en lugar de recopilar.
El estudio se publica en Nature Communications, lo que sugiere un nivel alto de revisión y visibilidad dentro de la comunidad científica. También se menciona el apoyo del U.S. Department of Energy, a través de la Office of Basic Energy Sciences, un dato relevante porque conecta el proyecto con una agenda pública de materiales avanzados y energía.
Más allá de los imanes: una pista sobre cómo la IA puede ayudar a conservar y modernizar conocimiento
El equipo plantea una idea adicional con un giro interesante: la misma tecnología de lenguaje utilizada para construir la base de datos podría servir en educación superior y en preservación documental. Por ejemplo, convertir imágenes en texto enriquecido moderno para actualizar colecciones de bibliotecas. Suena prosaico, pero cualquiera que haya intentado reutilizar documentos escaneados sabe el problema: están “atrapados” como fotos, difíciles de buscar y de citar. Convertirlos en texto estructurado es como pasar de una caja llena de recortes a un archivo bien ordenado.
Este tipo de aplicaciones tienen un efecto secundario positivo: si la ciencia depende de información fiable y accesible, mejorar la infraestructura documental también acelera el progreso. No es tan vistoso como un nuevo material, pero sí es el tipo de engranaje que evita que el conocimiento se oxide.
Lo que cambia para la industria: menos incertidumbre, más caminos por explorar
Si este enfoque se consolida, el impacto no se limita a un puñado de compuestos. La idea central es crear una plataforma que permita a laboratorios e industria explorar alternativas con más criterio. En vez de apostar por intuición o por tendencias, se podría consultar una base de datos amplia, comparar comportamiento magnético, temperatura crítica y otros parámetros, y construir una estrategia de investigación más eficiente.
Reducir el uso de tierras raras en imanes permanentes también encaja con la narrativa industrial de los próximos años: electrificación, energías renovables, cadenas de suministro más robustas y costes más estables. La promesa práctica es sencilla de entender: si el corazón magnético de un motor depende menos de materiales difíciles de asegurar, el producto final puede volverse menos vulnerable a sobresaltos de precio o disponibilidad.
La historia, tal como la presenta la University of New Hampshire y ScienceDaily, es menos la de un hallazgo aislado y más la de un método. Y en ciencia de materiales, cuando el método mejora, el ritmo de descubrimientos suele seguirle.