Puntos Clave:
Alibaba Group Holding Ltd. utilizó un agente de inteligencia artificial de su DAMO Academy para predecir 68.000 materiales superconductores potenciales y confirmó experimentalmente cuatro nuevos, lo que marca uno de los mayores descubrimientos impulsados por IA en la ciencia de materiales.
Un agente de IA desarrollado por Alibaba DAMO Academy, en colaboración con la Universidad Renmin y la Universidad de la Academia de Ciencias de China, predijo 68.000 posibles materiales superconductores y entregó cuatro compuestos confirmados experimentalmente, informó el consorcio el 3 de julio. El sistema, denominado ElementsClaw, combina grandes modelos de lenguaje con herramientas especializadas de simulación física para diseñar, evaluar y validar materiales candidatos de forma autónoma, una tubería de extremo a extremo que rivaliza con el enfoque del consorcio global SuperC, que confirmó dos nuevos superconductores en junio utilizando un método de aprendizaje automático.
"ElementsClaw es el primer agente de IA de grado industrial diseñado específicamente para el descubrimiento de superconductores", señaló el equipo de investigación en un comunicado. El sistema integra el procesamiento del lenguaje natural con cálculos de la teoría del funcional de la densidad, lo que le permite razonar sobre la química de los materiales y predecir propiedades electrónicas sin que los investigadores necesiten configurar manualmente cada simulación.
Los cuatro compuestos confirmados se sintetizaron en un laboratorio y se probaron utilizando múltiples modalidades de medición, incluyendo la magnetización y el transporte eléctrico, para verificar la superconductividad en el volumen. El consorcio publicó como código abierto el conjunto completo de datos de las 68.000 predicciones, incluidas las estructuras electrónicas calculadas y los parámetros de síntesis, para acelerar la investigación de seguimiento. En comparación, el consorcio SuperC, liderado por Paivi Torma de la Universidad Aalto y que incluye a investigadores de la Universidad Rice y Princeton, confirmó dos superconductores de red kagome, YRu3B2 y LuRu3B2, en un estudio publicado el 17 de junio en Physical Review Research, utilizando una tubería de tres etapas de preselección mediante aprendizaje automático, cálculo de la teoría del funcional de la densidad y síntesis experimental.
En qué se diferencia ElementsClaw de otros sistemas de descubrimiento basados en IA
La arquitectura de ElementsClaw se diferencia de enfoques anteriores al incorporar un gran modelo de lenguaje como núcleo de razonamiento, en lugar de utilizar un clasificador independiente. El agente puede interpretar artículos de investigación, extraer recetas de síntesis y proponer modificaciones a las estructuras cristalinas de forma autónoma. Luego ejecuta simulaciones físicas para estimar la temperatura crítica y la estabilidad electrónica, clasificando los candidatos según su viabilidad prevista antes de enviar los mejores resultados a un laboratorio físico.
El método del consorcio SuperC, por el contrario, utiliza un modelo de aprendizaje automático entrenado con propiedades conocidas de superconductores para preseleccionar familias de candidatos, seguido de cálculos específicos de la teoría del funcional de la densidad sobre los candidatos más prometedores. Ese enfoque identificó a YRu3B2 y LuRu3B2 de la familia de la red kagome, con temperaturas críticas de 0,81 K y 0,95 K respectivamente, muy por debajo de la temperatura ambiente pero suficientes para validar la tubería. Torma ha declarado que el método podría eventualmente evaluar miles de millones de materiales candidatos.
Qué significaría la superconductividad a temperatura ambiente
La búsqueda de superconductores prácticos, materiales que conducen electricidad con resistencia cero a temperaturas ambiente, se ha intensificado después de las sonadas retractaciones de afirmaciones sobre la temperatura ambiente en 2022 y 2023. Un material que opere a 300 K sin necesidad de refrigeración criogénica podría reducir el consumo energético global en redes eléctricas, centros de datos y hardware informático en márgenes transformadores. Los superconductores ya permiten el funcionamiento de máquinas de resonancia magnética, ordenadores cuánticos e imanes para reactores de fusión, pero cada aplicación requiere un costoso enfriamiento con helio líquido que limita su despliegue a gran escala.
La publicación como código abierto por parte de Alibaba del conjunto de datos de ElementsClaw brinda a los investigadores académicos e industriales acceso a miles de estructuras candidatas que de otro modo requerirían meses de computación para generarse. La empresa no reveló el costo computacional de la ejecución de predicciones ni las composiciones químicas específicas de los cuatro compuestos confirmados.
Las acciones de Alibaba cotizaban a 92,34 dólares en Nueva York el 2 de julio, con un aumento del 18 % en lo que va del año. La compañía ha invertido fuertemente en investigación de IA a través de su DAMO Academy, que también desarrolla grandes modelos de lenguaje y sistemas de visión por computadora. El descubrimiento de materiales superconductores posiciona las capacidades de IA de Alibaba más allá de su negocio principal de comercio electrónico y computación en la nube, abriendo potencialmente una nueva vía para monetizar su infraestructura de investigación a través de servicios de computación científica o licencias de materiales.
Este artículo es solo con fines informativos y no constituye asesoramiento de inversión.
