Deutsch
English
Français
Italiano
Nederlands
Polski
Português
Русский
Türkçe
Svenska
Chinese
MagyarLa nueva IA de Google DeepMind ha desarrollado más de 700 materiales para baterías de vehículos eléctricos, células solares, etc
La nueva IA de Google DeepMind, GNoME (redes gráficas para la exploración de materiales), ha identificado las estructuras de aproximadamente 2,2 millones de nuevos materiales. Esto incluye unos 380.000 materiales estables que podrían impulsar tecnologías futuras, como las baterías de nueva generación para coches eléctricos, las células solares, los chips informáticos y los superconductores. Varios investigadores de todo el mundo están produciendo y probando experimentalmente 736 de ellos. DeepMind ha identificado 528 conductores prometedores para baterías de iones de litio que podrían contribuir a hacerlas más eficientes.
Aunque los materiales desempeñan un papel muy crítico en casi cualquier tecnología, como humanidad sólo conocemos unas pocas decenas de miles de materiales estables.
- Dogus Cubuk, jefe de descubrimiento de materiales en Google DeepMind
Aunque el uso de la IA para desarrollar nuevos materiales se ha convertido en algo habitual, GNoMe destaca por su escala y precisión. Chris Bartel, profesor adjunto de ingeniería química y ciencia de los materiales en la Universidad de Minnesota, señala que GNoMe se entrenó con una cantidad de datos significativamente mayor que otros proyectos comparables.
El hardware, especialmente cuando se trata de energía limpia, necesita innovación si queremos resolver la crisis climática. Éste es un aspecto de la aceleración de esa innovación.
- Kristin Persson, líder del Proyecto de Materiales del Laboratorio de Berkeley
Los investigadores suelen pasar años desarrollando materiales basados en estructuras existentes con la esperanza de descubrir nuevas combinaciones. Gracias a la herramienta de aprendizaje profundo, ahora se puede acelerar esta investigación. El Laboratorio Nacional Lawrence Berkeley, junto con Google DeepMind, ha publicado dos artículos en la revista Nature. Uno de los artículos describe cómo pueden utilizarse las predicciones de la IA para la síntesis autónoma de materiales.
Sin embargo, persiste un problema importante: Los nuevos materiales suelen tardar mucho tiempo en llegar a la fase comercial.
Si podemos reducirlo a cinco años, será una gran mejora.
- Dogus Cubuk
El recientemente autónomo A-Lab del Laboratorio de Berkeley está investigando la utilidad de los nuevos materiales en el mundo real. En sólo 17 días, el laboratorio fue capaz de realizar 355 experimentos y sintetizar con éxito 41 de los 58 compuestos propuestos. Esto es significativamente más rápido que el tiempo que tardarían investigadores humanos.
Si tienen mala suerte, pueden tardar meses o incluso años. La mayoría de los estudiantes se dan por vencidos al cabo de unas semanas. Pero al A-Lab no le importa fracasar. Sigue intentándolo una y otra vez.
- Kristin Persson
Fuente(s)
