En Resumen
- Investigadores del MIT presentaron SCIGEN, un marco que dirige la IA generativa hacia el diseño de materiales con propiedades exóticas como superconductividad.
- Samsung desarrolló el método PaRS que filtra las propuestas de los modelos de lenguaje, descartando aquellas que violan las leyes físicas conocidas.
- Los científicos señalaron que estos sistemas buscan acelerar el descubrimiento de materiales anclando la creatividad artificial a la realidad física.
¿Y si un sistema de IA pudiera proponer una receta para un nuevo material que conduzca electricidad sin resistencia a temperatura ambiente, un santo grial para la computación cuántica y las redes eléctricas de próxima generación?
Esa es la promesa hacia la que se están acercando los investigadores con nuevas herramientas que conectan grandes modelos de lenguaje con las leyes de la física, asegurando que sus sugerencias no solo parezcan plausibles en prosa, sino que realmente se sostengan en el laboratorio.
En el MIT, los científicos han presentado SCIGEN, un marco diseñado para dirigir la IA generativa hacia el diseño de materiales con propiedades exóticas. El sistema puede proponer compuestos candidatos que podrían, por ejemplo, exhibir fases topológicas, comportamiento magnético inusual o superconductividad a temperaturas más altas que los materiales conocidos hoy en día.
A diferencia de los enfoques de IA convencionales que a menudo alucinan moléculas imposibles, SCIGEN integra prioridades de física y química para mantener la generación fundamentada en la realidad.
Aquí está la razón por la cual esta es una dirección bastante emocionante: el espacio de posibles materiales es astronómicamente grande, y el descubrimiento por ensayo y error es lento y costoso. Al acoplar modelos generativos con restricciones científicas, argumentan los investigadores de MIT, los científicos pueden explorar regiones prometedoras de ese espacio de manera mucho más eficiente.
"En lugar de revisar manualmente miles de compuestos hipotéticos, una IA puede generar y clasificar candidatos que sean tanto novedosos como físicamente factibles", dijo el equipo en su anuncio.
Un esfuerzo paralelo de investigadores de Samsung aborda el mismo problema desde un ángulo diferente. El reciente artículo del gigante tecnológico, "Aligning Reasoning LLMs for Materials Discovery With Physics-Aware Rejection Sampling," describe un método llamado PaRS.
En lugar de guiar la generación desde el principio, PaRS filtra las trazas de razonamiento producidas por los grandes modelos de lenguaje, descartando aquellas que violan las leyes físicas conocidas o exceden los límites empíricos. El enfoque mejoró la precisión y redujo las "violaciones de la física" en pruebas sobre recetas de dispositivos como LED de puntos cuánticos.
En conjunto, SCIGEN y PaRS ejemplifican una tendencia más amplia: "IA consciente de la física para la ciencia". Los modelos generativos pueden imaginar estructuras que los investigadores humanos nunca considerarían, pero si se dejan sin control, a menudo producen tonterías. Al incrustar restricciones de dominio, ya sea a través de generación guiada o muestreo de rechazo, estos nuevos sistemas buscan asegurar que la creatividad esté anclada a la realidad.
La recompensa podría ser profunda. En la computación cuántica, los materiales exóticos con fases cuánticas estables son críticos para construir qubits escalables. En energía, nuevos catalizadores podrían hacer que la producción de hidrógeno sea más limpia y económica. En electrónica, semiconductores novedosos podrían superar los límites del silicio. Si SCIGEN o PaRS pueden ayudar a identificar incluso un puñado de candidatos viables, entonces el impacto podría extenderse a través de las industrias.
Por ahora, ambos métodos siguen siendo investigaciones incipientes. SCIGEN ha mostrado promesa en la generación de candidatos consistentes con predicciones teóricas, mientras que PaRS ha reducido las tasas de error en la predicción del rendimiento de dispositivos. Pero la combinación: sistemas de IA que proponen y filtran rigurosamente materiales, apunta a un futuro donde el descubrimiento se acelera no por suerte, sino por el diseño guiado por máquinas.