Google DeepMind encuentra en sólo un año 2,2 millones de nuevos materiales, de los cuales 381.000 son estables
En menos de un año, la división de Google DeepMind de Google ha logrado descubrir 381.000 materiales estables que pueden beneficiar a muchos dominios gracias a un modelo avanzado de IA entrenada llamado Graph Networks for Materials Exploration (GNoME). En realidad, esto es sólo una fracción de los 2,2 millones de estructuras cristalinas predichas por el modelo.
La IA se entrenó utilizando datos recogidos durante la última década por el Laboratorio Nacional Lawrence Berkeley de EE.UU. a través del Proyecto de Materiales https://next-gen.materialsproject.org/. En teoría, las 381.000 estructuras estables podrían desempeñar un papel clave en el desarrollo acelerado de los superconductores, superordenadores cuánticos, Vehículos eléctricos y baterías, pero todos estos materiales necesitan primero ser sintetizados para poder probar su eficacia.
Hasta ahora, experimentos independientes han sintetizado y probado la estabilidad de sólo 736 de los materiales. Sin embargo, los investigadores de DeepMind están dispuestos a acelerar el proceso de sintetización del resto de las estructuras publicando inmediatamente los datos de todos los materiales y poniendo también a disposición del público el modelo de IA.
Las estructuras más prometedoras parecen estar incluidas entre los 52.000 compuestos que se asemejan a la naturaleza en capas de los grafenos. Se dice que son candidatos ideales para nuevas formas de superconductores que pueden ser utilizados por escáneres de resonancia magnética, ordenadores cuánticos y reactores de fusión nuclear. Además, el modelo de IA encontró 528 conductores alternativos de iones de litio que pueden utilizarse para aumentar la eficiencia de las baterías de los vehículos eléctricos.
