La IA ha ideado millones de nuevos materiales, pero expertos advierten limitaciones y falsos positivos, pidiendo mayor rigor experimental y colaboración para confirmar su viabilidad real en aplicaciones prácticas.
La aplicación de inteligencia artificial (IA) en la ciencia de los materiales ha generado entusiasmo y críticas en igual medida. Empresas como Google DeepMind, Microsoft y Meta han presentado modelos capaces de idear millones de nuevos compuestos cristalinos, potencialmente útiles para mejorar baterías, capturar dióxido de carbono o crear materiales con propiedades inéditas.
En 2022, DeepMind anunció el hallazgo de 2.2 millones de materiales cristalinos mediante su sistema GNoME, que combina cálculos de teoría del funcional de la densidad (DFT) con algoritmos de aprendizaje profundo. Entre los resultados se destacaban 52,000 compuestos similares al grafeno y 528 posibles conductores de iones de litio. Sin embargo, especialistas como Anthony Cheetham y Ram Seshadri de la Universidad de California señalaron que miles de esos compuestos incluyen elementos radiactivos escasos, lo que limita su aplicabilidad.
Los esfuerzos de Microsoft con su modelo MatterGen y de Meta en colaboración con el Instituto Tecnológico de Georgia, centrados en la captura de CO₂ con materiales porosos, también recibieron críticas. Investigadores cuestionaron la viabilidad real de los compuestos propuestos y señalaron problemas en las bases de datos empleadas para entrenar a los modelos.
Un reto central es el desorden atómico: mientras que los modelos de IA predicen estructuras cristalinas perfectas, en el laboratorio muchas terminan adoptando formas desordenadas, lo que modifica sus propiedades. Estudios recientes sugieren que hasta el 80% de los compuestos señalados por GNoME probablemente se comporten de manera distinta en condiciones reales.
Pese a estas limitaciones, científicos como Kristin Persson, directora del Proyecto de Materiales en Berkeley, sostienen que la IA representa una herramienta indispensable para acelerar el descubrimiento, siempre que se combine con validación experimental rigurosa. Además, empresas emergentes como Orbital Materials y Periodic Labs ya trabajan en integrar IA con datos experimentales para avanzar hacia materiales útiles a gran escala.
La controversia reside en las expectativas: aunque se han exagerado los logros iniciales, la mayoría de expertos coincide en que la IA puede marcar una nueva era en la investigación de materiales, siempre que se modere la publicidad y se reconozcan sus limitaciones actuales.
