Descubrimiento de materiales con inteligencia artificial y robótica
Investigadores del MIT han desarrollado un innovador sistema basado en inteligencia artificial (IA) que integra literatura científica, datos experimentales e imágenes con equipos robóticos para acelerar la creación y optimización de nuevos materiales. Este sistema, llamado CRESt (Copilot for Real-world Experimental Scientists), permite a los científicos interactuar en lenguaje natural, planificar experimentos complejos y automatizar la síntesis y prueba de materiales, logrando avances significativos en investigación de materiales.
Un enfoque más humano y colaborativo para la ciencia
A diferencia de modelos tradicionales de aprendizaje automático que solo utilizan datos específicos, CRESt recopila diversa información: desde publicaciones científicas, composición química, imágenes microestructurales hasta resultados de experimentos previos y retroalimentación humana. Gracias a esta multimodalidad y al uso de aprendizaje activo con optimización bayesiana, el sistema identifica nuevas recetas de materiales con mayor eficiencia y precisión.
Además, CRESt incorpora visión computacional para monitorear los experimentos en tiempo real, detectando anomalías y sugiriendo correcciones, funcionando como un asistente inteligente que complementa el trabajo humano, sin reemplazarlo.
Aplicaciones prácticas y resultados destacados
Durante tres meses, CRESt exploró más de 900 combinaciones químicas y realizó 3,500 pruebas electroquímicas para descubrir un catalizador multielemento que mejoró la densidad de potencia en celdas de combustible de formiato, logrando un avance casi 9.3 veces superior al del paladio puro utilizado anteriormente. Este logro demuestra el enorme potencial de CRESt para resolver desafíos energéticos reales y acelerar el desarrollo de tecnologías sostenibles.
Cómo funciona la plataforma CRESt
- Utiliza modelos de lenguaje y bases de datos científicas para generar representaciones complejas de recetas de materiales.
- Reduce el espacio de búsqueda con análisis de componentes principales para optimizar experimentos mediante optimización bayesiana.
- Controla robots para síntesis rápida mediante sistemas como el choque carbotérmico y equipos automatizados de caracterización, desde microscopía electrónica hasta pruebas electroquímicas.
- Permite interacción natural con investigadores, facilitando la planificación experimental sin necesidad de programación.
- Incorpora feedback visual y textual para garantizar la reproducibilidad de los experimentos y corregir desviaciones.
Impacto y futuro de los laboratorios automáticos
CRESt representa un paso significativo hacia laboratorios autónomos autoajustables, abriendo posibilidades para que la ciencia experimental avance con mayor rapidez y menor costo. Aunque sigue siendo un asistente que depende de la supervisión humana, el sistema sienta bases para laboratorios inteligentes que integren tecnología robótica, inteligencia artificial multimodal y conocimiento científico en tiempo real.
Este desarrollo podría acelerar la innovación en materiales desde catalizadores hasta dispositivos energéticos, ayudando a enfrentar retos globales como la transición hacia energías limpias. Para más detalles sobre cómo CRESt fusiona distintas fuentes de información para optimizar descubrimientos materiales, puedes consultar el artículo original en Nature.
Deja una respuesta