En un avance significativo para la ciencia de materiales y la inteligencia artificial (Artificial Intelligence), investigadores de la Universidad de New Hampshire (UNH) han implementado con éxito un enfoque impulsado por IA para identificar 25 materiales magnéticos anteriormente desconocidos. Este avance, detallado en la revista Nature Communications, no solo demuestra el poder del aprendizaje automático (Machine Learning) para acelerar el descubrimiento científico, sino que también ofrece un camino prometedor hacia la reducción de la dependencia global de los elementos críticos de tierras raras.
El estudio, dirigido por el estudiante de doctorado Suman Itani y el profesor de física Jiadong Zang, utilizó algoritmos avanzados de IA para extraer datos de décadas de literatura científica existente. El resultado es la creación de la Northeast Materials Database, un repositorio digital integral que contiene más de 67,000 materiales magnéticos. Entre ellos se encuentran casi dos docenas de compuestos recién identificados capaces de conservar propiedades magnéticas a altas temperaturas, un requisito crítico para su uso en vehículos eléctricos (EV), turbinas eólicas y otras tecnologías ecológicas.
El proceso tradicional de descubrimiento de nuevos materiales suele ser un esfuerzo lento y laborioso, que requiere que los científicos prueben físicamente millones de posibles combinaciones químicas. El equipo de la UNH superó este cuello de botella entrenando un sistema de artificial intelligence para "leer" e interpretar vastos archivos de artículos científicos.
Este enfoque novedoso implicó un flujo de trabajo híbrido que combina el procesamiento de lenguaje natural (Natural Language Processing) con el modelado físico. El sistema de IA fue diseñado para:
"Estamos abordando uno de los desafíos más difíciles en la ciencia de materiales: descubrir alternativas sostenibles a los imanes permanentes", afirmó el profesor Jiadong Zang. Expresó optimismo en que la combinación de esta nueva base de datos experimental y las tecnologías de IA en evolución hará que el objetivo de lograr imanes libres de tierras raras sea alcanzable.
El descubrimiento llega en un momento crucial para los sectores de la tecnología y la fabricación. Los imanes modernos de alto rendimiento, esenciales para los motores de los vehículos eléctricos y los generadores de los sistemas de energía renovable, dependen actualmente en gran medida de los rare earth elements como el neodimio y el disprosio. Estos elementos no solo son costosos, sino que también están sujetos a cadenas de suministro volátiles dominadas por unos pocos proveedores globales.
Al identificar materiales que pueden funcionar eficazmente sin estos recursos escasos, la investigación del equipo de la UNH aborda directamente una vulnerabilidad importante en la base de fabricación de los EE. UU.
Beneficios clave del nuevo descubrimiento:
La piedra angular de esta investigación es la Northeast Materials Database, que ahora sirve como una herramienta vital para investigadores de todo el mundo. A diferencia de los conjuntos de datos anteriores que podrían depender únicamente de cálculos teóricos, esta base de datos se fundamenta en datos experimentales extraídos de la literatura histórica, cerrando la brecha entre la teoría y la realidad probada.
La siguiente tabla resume el alcance y el impacto de la nueva base de datos en comparación con los métodos de descubrimiento tradicionales:
Comparación: Descubrimiento tradicional frente a base de datos impulsada por IA
| Característica | Descubrimiento de laboratorio tradicional | Northeast Database impulsada por IA |
|---|---|---|
| Velocidad de identificación | Años por compuesto | Miles procesados rápidamente |
| Alcance de la búsqueda | Limitado por la capacidad de pruebas físicas | 67,573 materiales indexados |
| Eficiencia de recursos | Altos costes químicos y laborales | Eficiencia computacional |
| Candidatos para altas temperaturas | Difícil de predecir sin pruebas | 25 nuevos compuestos estables identificados |
| Fuente de datos | Experimentos nuevos | Décadas de literatura existente |
La base de datos incluye 25 compuestos específicos que anteriormente se pasaron por alto pero que muestran un alto potencial de estabilidad a temperaturas elevadas. Suman Itani, el autor principal, enfatizó que acelerar el descubrimiento de estos materiales sostenibles es clave para fortalecer la economía y avanzar en la tecnología ecológica.
Más allá de la aplicación inmediata en el magnetismo, las técnicas desarrolladas por el equipo de la UNH tienen implicaciones de gran alcance sobre cómo se digitaliza y utiliza el conocimiento científico. Los modelos de IA empleados no solo fueron capaces de procesar texto, sino que también pudieron interpretar y convertir imágenes en formatos de texto enriquecido.
Esta capacidad sugiere un futuro en el que la IA pueda modernizar los vastos fondos de las bibliotecas, convirtiendo registros científicos estáticos y no buscables en datos dinámicos y procesables. El coautor Yibo Zhang, investigador postdoctoral en física y química, señaló que los modelos de lenguaje extenso (Large Language Models) detrás de este proyecto podrían tener un uso generalizado en la educación superior y el archivo digital.
El trabajo del equipo de la University of New Hampshire representa un cambio de paradigma en la forma en que abordamos la innovación de materiales. Al liberar a la IA sobre el conocimiento "olvidado" enterrado en décadas de artículos científicos, los investigadores han desbloqueado un tesoro de soluciones potenciales para los desafíos energéticos modernos. A medida que la Northeast Materials Database crezca y los modelos de IA se vuelvan más refinados, es probable que el cronograma para implementar tecnologías sostenibles y libres de tierras raras se reduzca significativamente, marcando una victoria tanto para la inteligencia artificial como para la sostenibilidad ambiental.
La Agencia de Protección Ambiental de EE. UU. (EPA) determinó que la xAI de Elon Musk operó ilegalmente decenas de turbinas de gas natural para abastecer sus centros de datos en Tennessee sin los permisos adecuados, lo que genera preocupaciones ambientales y regulatorias.
