Un robot químico acaba de asociarse con un cerebro de inteligencia artificial para crear un tesoro de nuevos materiales.
Dos estudios colaborativos de Google DeepMind y la Universidad de California, Berkeley, describen un sistema que predice las propiedades de nuevos materiales, incluidos aquellos potencialmente útiles en baterías y células solares—y los produce con un brazo robotico.
Damos por sentado los materiales cotidianos: vasos de plástico para un festín navideño, componentes de nuestros teléfonos inteligentes o fibras sintéticas en chaquetas que nos mantienen abrigados cuando soplan vientos fríos.
Los científicos han descubierto minuciosamente aproximadamente 20,000 tipos diferentes de materiales que nos permiten construir cualquier cosa, desde chips de ordenador hasta abrigos acolchados y alas de avión. Se están preparando decenas de miles de materiales más potencialmente útiles. Sin embargo, sólo hemos arañado la superficie.
El equipo de Berkeley desarrolló un robot tipo chef que mezcla y calienta ingredientes, transformando automáticamente recetas en materiales. Como una “prueba de sabor”, el sistema, denominado A-Lab, analiza las propiedades químicas de cada producto final para ver si da en el blanco.
Mientras tanto, La IA de DeepMind ideó innumerables recetas para que las cocinara el chef de A-Lab. Es una lista considerable. Utilizando una estrategia popular de aprendizaje automático, la IA encontró dos millones de estructuras químicas y 380,000 nuevos materiales estables, muchos de ellos contrarios a la intuición humana. El trabajo es una expansión de “orden de magnitud” de los materiales que conocemos actualmente, afirman los autores. escribí.
Utilizando el libro de cocina de DeepMind, A-Lab funcionó durante 17 días y sintetizó 41 de 58 sustancias químicas objetivo, una victoria que habría requerido meses, si no años, de experimentos tradicionales.
En conjunto, la colaboración podría iniciar una nueva era de la ciencia de los materiales. "Es muy impresionante" dijo Dr. Andrew Rosen de la Universidad de Princeton, que no participó en el trabajo.
Hablemos de químicos
Mira a tu alrededor. Muchas cosas que damos por sentado (la pantalla del teléfono inteligente por la que estás navegando) se basan en la química de los materiales.
Los científicos han utilizado durante mucho tiempo el método de prueba y error para descubrir estructuras químicamente estables. Al igual que los bloques de Lego, estos componentes pueden integrarse en materiales complejos que resisten cambios dramáticos de temperatura o altas presiones, lo que nos permite explorar el mundo desde las profundidades del mar hasta el espacio exterior.
Una vez mapeadas, los científicos capturan las estructuras cristalinas de estos componentes y las guardan como referencia. Decenas de miles ya están depositados en bancos de datos.
En el nuevo estudio, DeepMind aprovechó estas estructuras cristalinas conocidas. El equipo entrenó un sistema de inteligencia artificial en una biblioteca masiva con cientos de miles de materiales llamada Proyecto de materiales. La biblioteca incluye materiales que ya conocemos y utilizamos, junto con miles de estructuras con propiedades desconocidas pero potencialmente útiles.
La nueva IA de DeepMind se entrenó en 20,000 cristales inorgánicos conocidos (y otros 28,000 candidatos prometedores) del Proyecto de Materiales para aprender qué propiedades hacen que un material sea deseable.
Esencialmente, la IA funciona como un cocinero que prueba recetas: agrega algo aquí, cambia algunos ingredientes allí y, mediante prueba y error, alcanza los resultados deseados. Al alimentar los datos del conjunto de datos, generó predicciones de nuevas sustancias químicas potencialmente estables, junto con sus propiedades. Los resultados se enviaron a la IA para perfeccionar aún más sus "recetas".
Durante muchas rondas, el entrenamiento permitió a la IA cometer pequeños errores. En lugar de intercambiar múltiples estructuras químicas al mismo tiempo (un movimiento potencialmente catastrófico), la IA evaluó iterativamente pequeños cambios químicos. Por ejemplo, en lugar de sustituir un componente químico por otro, se podría intentar sustituir sólo la mitad. Si los intercambios no funcionaron, no hay problema, el sistema eliminó a los candidatos que no eran estables.
La IA acabó produciendo 2.2 millones de estructuras químicas, de las cuales 380,000, según predijo, serían estables si se sintetizaran. Más de 500 de los materiales recién descubiertos estaban relacionados con conductores de iones de litio, que desempeñan un papel fundamental en las baterías actuales.
"Esto es como ChatGPT para el descubrimiento de materiales". dijo Dra. Carla Gomes de la Universidad de Cornell, que no participó en la investigación.
Mente para importar
Las predicciones de IA de DeepMind son solo eso: lo que parece bueno en el papel puede no siempre funcionar.
Aquí es donde entra en juego A-Lab. Un equipo dirigido por el Dr. Gerbrand Ceder en UC Berkeley y el Laboratorio Nacional Lawrence Berkeley construyó un sistema robótico automatizado dirigido por una IA entrenada en más de 30,000 recetas químicas publicadas. Utilizando brazos robóticos, A-Lab construye nuevos materiales recogiendo, mezclando y calentando ingredientes según una receta.
Durante dos semanas de capacitación, A-Lab produjo una serie de recetas para 41 nuevos materiales sin ninguna intervención humana. No fue un éxito total: 17 materiales no lograron su objetivo. Sin embargo, con una pizca de intervención humana, el robot sintetizó estos materiales sin problemas.
Juntos, los dos estudios abren un universo de compuestos novedosos que podrían enfrentar los desafíos globales actuales. Los próximos pasos incluyen agregar propiedades químicas y físicas al algoritmo para mejorar aún más su comprensión del mundo físico y sintetizar más materiales para realizar pruebas.
DeepMind está lanzando al público su IA y algunas de sus recetas químicas. Mientras tanto, A-Lab ejecuta recetas desde la base de datos y carga sus resultados en el Proyecto de Materiales.
Para Ceder, un mapa de nuevos materiales generado por IA podría “cambiar el mundo”. No es el A-lab en sí, dijo. Más bien, es "el conocimiento y la información que genera".
Haber de imagen: Marilyn Sargent/Berkeley Lab
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://singularityhub.com/2023/11/30/a-google-deepmind-ai-just-discovered-380000-new-materials-this-robot-is-cooking-them-up/
