IA guía la búsqueda autónoma de nuevos materiales en laboratorios cerrados

Investigadores publicaron en la revista Nature un sistema que combina grandes modelos de lenguaje (LLM) con exploración autónoma de materiales en ciclos cerrados, eliminando la necesidad de supervisión humana constante durante el proceso experimental.

El enfoque propuesto permite que el modelo de lenguaje analice resultados experimentales en tiempo real y redefina dinámicamente el espacio de búsqueda, priorizando las combinaciones de materiales con mayor potencial según los datos acumulados. Esto reduce drásticamente el número de experimentos necesarios para identificar compuestos prometedores.

La arquitectura de ciclo cerrado integra síntesis automatizada, caracterización y análisis computacional, con el LLM actuando como cerebro coordinador que interpreta literatura científica previa y resultados recientes para orientar cada iteración del proceso.

El trabajo representa un avance significativo en la ciencia de materiales impulsada por inteligencia artificial, con aplicaciones potenciales en el desarrollo de baterías, semiconductores y materiales para energías renovables, áreas donde la exploración tradicional puede tardar años.