Introducción al avance científico
En un importante paso científico y tecnológico que marca un hito en el campo de la ciencia de materiales, esfuerzos de investigación científica separados e independientes han demostrado la enorme y eficaz capacidad de la inteligencia artificial para acelerar drástica y sin precedentes el proceso de búsqueda de nuevos materiales superconductores. En este contexto destacado, la academia DAMO, perteneciente al gigante Alibaba, reveló un agente de inteligencia artificial autónomo e innovador que demostró su competencia al lograr identificar cuatro nuevos superconductores hasta ahora desconocidos en los círculos científicos. Al mismo tiempo, una destacada alianza internacional publicó una metodología muy avanzada basada íntegramente en el aprendizaje automático, la cual logró a su vez revelar dos nuevos superconductores de tipo «Kagome». Esta notable sincronía en los descubrimientos resalta la creciente importancia de las tecnologías avanzadas para transformar el panorama de la investigación científica y reducir el tiempo y el esfuerzo necesarios para descubrir materiales que podrían revolucionar verdaderamente los campos de la energía, la electrónica y las tecnologías informáticas avanzadas, donde los métodos tradicionales dependían durante mucho tiempo del ensayo y error continuos.
- La innovación de la academia DAMO y Alibaba
- Materiales descubiertos y resultados de laboratorio
- Arquitectura del sistema inteligente
- Alianza SuperC y descubrimientos Kagome
- Efectos futuros y una nueva era
- Preguntas frecuentes
La innovación de la academia DAMO y Alibaba
La academia DAMO anunció el 3 de julio el lanzamiento de su innovador sistema denominado «ElementsClaw», al cual describió como el primer agente de inteligencia artificial del mundo dedicado por completo al descubrimiento de materiales superconductores. Este complejo sistema fue desarrollado de forma conjunta y eficaz en estrecha colaboración con la Universidad Renmin de China y la Universidad de la Academia China de Ciencias. De manera muy sorprendente, utilizando el equivalente a tan solo 28 horas de funcionamiento de unidades de procesamiento gráfico avanzadas, el sistema logró con gran maestría examinar y analizar alrededor de 2.4 millones de estructuras cristalinas diferentes con extrema precisión, prediciendo la existencia de 68 000 materiales candidatos a ser superconductores. Basándose en estas precisas predicciones, posteriormente se fabricaron cuatro compuestos completamente nuevos en un entorno de laboratorio riguroso, donde se confirmó de forma categórica que mostraban propiedades superconductoras en experimentos prácticos.
Materiales descubiertos y resultados de laboratorio
Los materiales cuya eficacia se verificó en laboratorio incluyen compuestos raros y complejos que presentan un potencial prometedor. El primero es un compuesto de hafnio y renio llamado «Hf21Re25», recuperado de bases de datos existentes gracias a algoritmos de búsqueda inteligentes que examinaron registros descartados. El segundo es un compuesto de circonio, vanadio y renio conocido como «Zr4VRen7» (Zr4VRi7), cuya estructura cristalina había sido registrada erróneamente en el pasado y fue corregida gracias a la precisión del sistema. El tercero es un compuesto de hafnio, circonio y renio llamado «HfZrRe4», un material completamente nuevo generado exclusivamente por inteligencia artificial sin intervención humana previa. Por último, el compuesto de circonio, escandio y renio llamado «Zr3ScRe8», obtenido mediante razonamiento analógico inteligente a partir de materiales estructuralmente similares. La temperatura crítica más alta entre estos compuestos descubiertos alcanzó los 6.5 Kelvin, lo que abre la puerta a importantes aplicaciones prácticas en un futuro próximo.
Arquitectura del sistema inteligente
El avanzado sistema «ElementsClaw» se basa en una arquitectura integradora única que combina la especialización estricta con la exhaustividad general, fundamentada principalmente en un modelo atómico base que contiene mil millones de parámetros de programación complejos. Este modelo fue preentrenado con una base de datos masiva y ampliada que incluye unos 125 millones de estructuras moleculares y cristalinas, lo que le otorgó capacidades analíticas sin precedentes para comprender los enlaces atómicos. El sistema logró un área bajo la curva de 0.996 en la predicción de la superconductividad, con una capacidad superior y sorprendente para estimar temperaturas críticas con un error medio inferior a 1 Kelvin. Rong Yu, director del departamento de inteligencia científica de la Academia China, declaró con absoluta claridad que este es el primer lote de superconductores descubiertos por un agente inteligente y verificados experimentalmente con éxito. Para fomentar la cooperación científica, la base de datos completa se ha abierto como código abierto para su uso académico y de investigación continua por parte de científicos de todo el mundo.
Alianza SuperC y descubrimientos Kagome
De manera separada y paralela a los esfuerzos chinos, la alianza internacional «SuperC», liderada por la destacada profesora Päivi Törmä de la prestigiosa Universidad Aalto, publicó resultados impresionantes en la revista científica especializada «Physical Review Research». Estos resultados describen un método avanzado guiado íntegramente por aprendizaje automático, el cual condujo con éxito a la identificación de dos nuevos superconductores de tipo «Kagome»: el compuesto de itrio, rutenio y boro conocido como «YRu3B2» y el compuesto de lutecio, rutenio y boro conocido como «LuRu3B2». Estos materiales innovadores obtienen sus propiedades superconductoras de electrones que forman bandas planas y distintivas dentro de una red «Kagome», una disposición geométrica precisa y compleja que lleva el nombre de un famoso patrón tradicional japonés de tejido de cestas. La alianza «SuperC» se considera la primera colaboración global coordinada e integrada dedicada por completo a la búsqueda sistemática de nuevos superconductores, con el objetivo ambicioso y audaz de lograr el fenómeno de la superconductividad a temperatura ambiente normal para el año 2033. El enfoque de la alianza se basa fundamentalmente en el uso de algoritmos de aprendizaje automático para reducir las opciones disponibles entre grupos de elementos prometedores, antes de proceder a realizar complejos cálculos de física cuántica para verificar la precisión de los candidatos potenciales y confirmar sus propiedades físicas avanzadas de forma indudable.
Efectos futuros y una nueva era
Estos dos grandes avances científicos, que aparecieron con un intervalo de apenas unos pocos días, confirman de manera irrefutable un cambio radical y fundamental en la forma en que se lleva a cabo la investigación en ciencia de materiales en la era digital moderna. Mientras que el descubrimiento de superconductores tradicionales dependía en gran medida e históricamente de la intuición personal de los científicos y de fatigosos procesos de ensayo y error que consumían periodos muy largos y recursos enormes, los sistemas avanzados de inteligencia artificial actuales son capaces de examinar con facilidad a millones de candidatos con precisión y guiar a los investigadores con pasos firmes hacia las opciones más probables y prometedoras. Al anunciar los resultados recientes de la alianza «SuperC», la profesora Törmä declaró con claridad y gran optimismo que ahora es posible encontrar nuevos superconductores mucho más rápido que en el pasado oscuro, abriendo de par en par las puertas a enormes avances tecnológicos que podrían cambiar el rostro de la civilización humana al mejorar la eficiencia en la transmisión de energía y desarrollar computadoras cuánticas cuya potencia y velocidad superen la imaginación, lo que representa verdaderamente un nuevo y brillante amanecer en la historia de las ciencias aplicadas y la física moderna.
Preguntas frecuentes
Pregunta: ¿Qué es el agente de inteligencia artificial «ElementsClaw»?
Respuesta: Es un sistema inteligente muy avanzado desarrollado por la academia DAMO para analizar y examinar estructuras cristalinas complejas con el fin de predecir propiedades superconductoras y descubrir nuevos materiales en un tiempo récord.
Pregunta: ¿Cuántos materiales fueron examinados por el sistema inteligente?
Respuesta: Gracias a sus capacidades de cálculo, el sistema logró examinar más de 2.4 millones de estructuras cristalinas diferentes en un breve periodo que no superó las 28 horas de tiempo de procesamiento gráfico.
Pregunta: ¿A qué se refieren los superconductores «Kagome» mencionados en la investigación?
Respuesta: Son materiales raros y complejos caracterizados por una disposición geométrica atómica única que se asemeja al patrón de las cestas japonesas; esta disposición permite que los electrones se muevan sin resistencia, provocando el fenómeno superconductor.
Pregunta: ¿Cuál es el objetivo estratégico futuro de la alianza «SuperC»?
Respuesta: Esta ambiciosa alianza global tiene como objetivo desarrollar materiales capaces de ser superconductores a temperatura ambiente para el año 2033, lo que revolucionará el sector energético y de la electrónica.
