En ciencia de materiales se ha avanzado mucho en imaginar estructuras con propiedades deseables, pero imaginar no equivale a fabricar. En los últimos años, distintos modelos de IA generativa han producido bibliotecas enormes de materiales “candidatos” con promesas tentadoras: alta estabilidad térmica, absorción selectiva de gases o comportamientos útiles para energía, catálisis o separación. El problema llega cuando toca pasar de la pantalla al laboratorio. Si el material es el “pastel” que quieres comer, la síntesis es el momento de encender el horno, elegir ingredientes, temperaturas y tiempos… y ahí es donde se atasca la historia.
La síntesis rara vez se parece a una receta fija de cocina. Pequeñas variaciones en temperatura, duración del proceso, proporciones de precursores o condiciones de reacción pueden cambiar por completo la morfología final y, con ella, el rendimiento. Ese espacio de posibilidades se vuelve tan grande que los investigadores terminan haciendo lo que haría cualquiera ante un mapa enorme sin GPS: usar experiencia, intuición y prueba y error. Continúa leyendo «DiffSyn: la IA generativa de MIT que propone “recetas” para sintetizar materiales complejos»