IBM impulsa descubrimiento de materiales para hacer dispositivos más sostenibles
Por: Katia Moskvitch, IBM Research Editorial Lead
“Un átomo por aquí, un átomo por allá…
Cuantos más átomos, más compleja se vuelve una molécula: un cuasi-infinito de posibles configuraciones moleculares. Esto, a su vez significa un proceso largo, costoso y tedioso de prueba y error para el descubrimiento de materiales, donde el éxito no está garantizado.
Pero, no tiene por qué ser así. Gracias al enorme impulso que la inteligencia artificial está dando al diseño molecular tradicional y a la computación cuántica que ya se encuentra preparada para intervenir, estamos entrando en la era del Descubrimiento Acelerado.
Es la era del descubrimiento rápido de nuevos materiales avanzados, que son vitales para la fabricación de productos sostenibles que podrían ayudarnos a abordar una gran cantidad de desafíos globales, desde el cambio climático hasta la reducción de desechos y la seguridad alimentaria y energética.
Los nuevos tiempos
Todavía estamos en los comienzos, pero los investigadores de IBM ya están aplicando este nuevo enfoque impulsado por la IA para diseñar materiales más sostenibles. Un equipo ha creado recientemente nuevas moléculas denominadas generadores de fotoácidos (PAGs). Con mejoras adicionales, podrían ayudar a producir dispositivos informáticos más amigables para el medio ambiente.
Los PAG existen desde la década de 1980 y desempeñan un papel vital en la fabricación de chips de computadora. En un proceso llamado litografía, la luz ultravioleta genera un patrón tridimensional en una capa de un material fotosensible: una fotorresistencia.
Los fotones de luz descomponen el PAG dentro de la fotorresistencia para producir moléculas de ácido muy fuerte. Estas moléculas catalizan las reacciones químicas que crean el patrón, lo cual define las estructuras físicas de un chip de computadora, tales como puertas de transistores o cables de interconexión.
Demasiado lento, costoso y arriesgado
Las mejoras en las fotorresistencias y la litografía jugaron un papel importante en las últimas dos décadas del desarrollo de chips. Nos han permitido empaquetar más y más transistores en chips cada vez más pequeños, lo cual conduce a dispositivos cada vez más delgados y potentes.
Pero hay un problema.
Los PAG son una de varias clases de compuestos químicos que recientemente han sido objeto de una mayor indagación por parte de los reguladores ambientales globales. Los investigadores se han lanzado a la carrera para crear otros más sostenibles, para permitir un futuro de computación sostenible “verde”. Desafortunadamente, el proceso tradicional de descubrir nuevos materiales es demasiado lento, demasiado costoso y demasiado arriesgado para abordar este desafío de manera oportuna y práctica.
La IA
Así que su equipo optó por un enfoque diferente, uno con la ayuda de la IA.
El uso de la IA en la ciencia de los materiales no es nuevo. Pero incluso hace solo cinco años, la IA era principalmente buena para predecir las características de un material. Por ejemplo, si un investigador ingresara una estructura molecular conocida, la IA predeciría correctamente, digamos, que su temperatura de fusión es de 100 grados Celsius. Sin embargo, “los químicos industriales estaban mucho más interesados en aplicar la IA para diseñar rápidamente una amplia variedad de estructuras moleculares más allá de la creatividad humana”, señala Seiji Takeda, investigador de IBM en Tokio.
“Solo piénselo: conocemos materiales que tienen mil millones de configuraciones moleculares conocidas diferentes, pero potencialmente puede haber al menos 1060 veces más”, agrega. “Y los materiales útiles son solo una pequeña parte de eso. Es como encontrar un pequeño diamante perdido en el Sahara”.
Nuevas moléculas de PAG
Las nuevas moléculas de PAG no son el único éxito inicial del método de Descubrimiento Acelerado. El equipo de Takeda también utilizó su modelo generativo para diseñar una nueva membrana de polímero que absorbe el dióxido de carbono mejor que las membranas que se utilizan actualmente en las tecnologías de captura de carbono. También diseñaron un nuevo tipo de azúcar con temperatura de fusión específica, en colaboración con un cliente de IBM, Nagase.
En el futuro, Takeda tiene como objetivo expandir las capacidades de la inteligencia artificial de su equipo a una gama más amplia de dominios de materiales, incluido el material inorgánico. Eso podría ayudar, por ejemplo, a crear baterías más sostenibles. Si se dañan, las baterías pueden emitir gases tóxicos, y la extracción de sus ingredientes principales, generalmente litio y cobalto, puede tener consecuencias ambientales como la contaminación y el agotamiento del agua.
“Las posibilidades son infinitas: uno puede usar nuestros modelos generativos para crear nuevos polímeros, nuevos medicamentos, nuevos materiales emisores de luz, ingredientes alimentarios, botellas de plástico biodegradables de ultra bajo costo, células solares orgánicas flexibles o incluso ‘pintables’, lo que sea”, comenta Takeda. “Pero el punto principal es: ahora hemos demostrado que Deep Search, la simulación enriquecida con inteligencia artificial, los modelos generativos de inteligencia artificial y los laboratorios autónomos pueden – junto con expertos humanos, por supuesto – acelerar enormemente el diseño de materiales y ayudarnos a acercarnos a una sociedad sostenible”.
