¿Qué significa la inteligencia artificial en la fábrica de materiales? ¿Cómo puede ayudar a elegir la mejor combinación de ingredientes para lograr determinadas propiedades para una amplia variedad de propósitos? Resulta que es fundamental poder digerir los cientos de miles de posibles combinaciones químicas que existen a la hora de formar una aleación o un compuesto cerámico o polimérico, entre los cientos de posibles rutas de fabricación.
La entrada en la ecuación de nuevos criterios de sostenibilidad que nos empujan a producir sin emisiones de CO₂ y sin el uso de materias primas esenciales (críticas o estratégicas) hace que las posibles combinaciones entre materias primas, técnicas de producción y variables que limitan tanto materiales como procesos sean casi infinitas.
Un brazo robótico transporta muestras para su ensayo en el laboratorio IMDEA Materiales de Madrid. Andrew Johnston / Materiales IMDEA Cómo nos ayudan los algoritmos
Asimismo, hoy contamos con técnicas de caracterización de materiales, desde la escala atómica hasta la macro, lo que nos permite conocer muy bien los materiales, sus defectos y las causas que pueden provocarlos. Este conocimiento abre aún más el abanico de parámetros que podemos tener en cuenta a la hora de diseñar un nuevo material.
Esto sería humanamente imposible de gestionar, si no fuera por los algoritmos de simulación que juegan con variables casi infinitas y son capaces de sugerir y probar combinaciones personalizadas.
Para ello necesitamos una enorme potencia informática, que hoy está a nuestro alcance gracias a sistemas de procesamiento avanzados que nos permiten realizar cálculos complejos en un tiempo reducido. Y esto mejorará aún más cuando las computadoras cuánticas se conviertan en una realidad en el mercado. Hoy en día, con un portátil de gama media podemos hacer cálculos equivalentes a los que hace media docena de años requerían un "cluster" de muchos procesadores.
Cómo crear datos útiles
Pero todo esto tiene un punto débil: la necesidad de datos. Los algoritmos de inteligencia artificial necesitan miles de datos fiables para alimentar sus rutinas de cálculo y ofrecernos soluciones sostenibles. Provienen de bases de datos abiertas de proyectos de investigación (la Unión Europea obliga a que todos los proyectos que financia tengan una gestión de datos que permita el libre acceso), registros técnicos, publicaciones científicas…
Sin embargo, no son suficientes. Para generar datos abundantes y fiables tenemos que recurrir a las llamadas técnicas de caracterización y producción de alto rendimiento. Con ellos podemos producir datos que de alguna manera están relacionados con los métodos de producción de nuestro diseño y el perfil de propiedad que esperamos de nuestro material futuro.
Hoy en día existen técnicas que nos permiten producir bibliotecas de aleaciones en muy poco tiempo, con cientos de composiciones diferentes. Y técnicas de caracterización que, con un pequeño ensayo, aportan información relacionada con diversas características del material. Estos datos, con propiedades específicas y métodos de producción específicos, son extremadamente valiosos para entrenar herramientas de IA.
Laboratorios sin presencia de personas
Además, podemos lograr un gran avance si estas técnicas de alto rendimiento son manipuladas por robots, lo que nos permitiría trabajar 24 horas al día, 7 días a la semana. Ya existen laboratorios robóticos, donde el material se produce en un puesto de trabajo y en otros se prueban sus diversas propiedades, con robots a cargo de todos los procesos. Los resultados se guardan para entrenar herramientas de IA.
En el Instituto de Materiales IMDEA (Madrid) existe un Robotlab donde se producen nanocompuestos poliméricos y se prueban sus propiedades mecánicas y su posible degradación, sin la participación de ningún ser humano.
No es el primer laboratorio donde se desarrolla esta idea. Hay otras iniciativas, pero siempre relacionadas con el descubrimiento de pequeñas moléculas o la síntesis de materiales de base líquida. O, en el caso de la industria farmacéutica, al desarrollo de nuevos fármacos.
Un brazo robótico transporta tubos de ensayo al RobotLab de IMDEA Materiales en Madrid. Andrew Johnston / IMDEA Materiales. Produzca materiales a la velocidad del rayo
Google ha creado una herramienta llamada GNoMe que puede preparar cientos de miles de recetas de nuevos compuestos estables con propiedades que se utilizarán en el desarrollo de supercomputadores o nuevas generaciones de baterías.
Su base de datos ofrece cerca de 400.000 nuevos materiales con potencial suficiente para producción y prueba, como señala un artículo publicado en Nature en 2023.
En un artículo posterior, también publicado en Nature, los investigadores presentan el laboratorio llamado A-lab, donde estos materiales se sintetizan de forma completamente robótica (a razón de 41 composiciones en 17 días) y se verifica su estructura cristalina mediante difracción de rayos X.
Actualmente, en IMDEA Materiales estamos desarrollando otro laboratorio de biomateriales robóticos para ingeniería de tejidos. Según el Dr. Maciej Haranczyk, jefe del equipo, permitirá "realizar en menos de una semana un trabajo experimental de tesis doctoral que habría llevado más de tres años".
¿Fin del trabajo humano?
A mucha gente le preocupa que todo esto acabe con la necesidad de seres humanos, un debate que se remonta a la Revolución Industrial. La máquina de vapor será la causa del desempleo para gran parte de la población. Entonces la causa será la automatización, luego la robotización y ahora la inteligencia artificial.
Sin embargo, los países con mayor implantación de la robotización son los que tienen menores tasas de paro, según datos del Instituto Español de Ingeniería.
.webp)
0 Comentarios