El aprendizaje de máquinas, nueva herramienta para el desarrollo de materiales ultrarresistentes Un innovador software permite elegir entre millones de combinaciones para desarrollar materiales de una dureza y resistencia inéditas.
Últimamente la inteligencia artificial copa la mayoría de nuestros titulares. Y no es para menos: desde las aulas inteligentes hasta las travesías transatlánticas, esta tecnología está transformando las más dispares áreas del conocimiento y la ciencia. Ahora, desarrolladores del MIT han encontrado una nueva disciplina donde aplicarla: la ingeniería de materiales. Concretamente, han utilizado el aprendizaje de máquinas, una técnica que entrena las capacidades de una IA para encontrar soluciones de forma autónoma a un problema mediante un software que analiza millones de combinaciones.
Hasta la fecha, la búsqueda de nuevos materiales requería simulaciones de gran coste computacional. Dado que cada variación debía establecer la resistencia y el comportamiento de un material a escala atómica, incluyendo la trayectoria de cada átomo, era preciso dedicar horas o incluso días para encontrar la combinación óptima. El nuevo enfoque, basado en el aprendizaje de máquinas, apenas necesita unos milisegundos para el mismo proceso.
El objetivo de los investigadores ha sido determinar la forma en que se propagan las fracturas por un material a través de su estructura molecular. A diferencia de las metodologías previas, en las que se establecía el momento de fractura analizando cada combinación, el aprendizaje de máquinas permite que sea la inteligencia artificial la que detecte las relaciones entre combinaciones: cuáles son los patrones comunes de los materiales más resistentes y los más frágiles.
Este innovador proyecto tecnológico se llevó a cabo con simulaciones atómicas de un compuesto cristalino y los algoritmos determinaron de manera casi instantánea la configuración más resistente. El objetivo de este proyecto es lograr crear revestimientos para la industria aeroespacial, como pueden ser las cerámicas empleadas en transbordadores. Sin embargo, sus aplicaciones tienen un potencial mucho mayor: desde materiales para prótesis médicas hasta la construcción de edificios.
Materiales ultracomprimibles
Si en el MIT han aplicado la IA al desarrollo de materiales ultrarresistentes, otros equipos de investigación están utilizando esas técnicas para explorar nuevas propiedades. Un ejemplo de ello es el trabajo de Miguel Bessa, profesor adjunto en TU Delft (Universidad Tecnológica de Delft) en Países Bajos. Al observar la forma en que se despliegan las velas solares de los satélites a partir de un contenedor muy reducido, se preguntó si era posible desarrollar un material de gran resistencia y, a la vez, gran potencial de compresión. El resultado podría llevar a crear paraguas o incluso bicicletas de bolsillo. Al igual que los investigadores del MIT, Bessa comprendió que el enfoque tradicional requería sustanciales recursos computacionales y un método de ensayo acierto-error muy ineficiente.
Así, él y su equipo optaron también por el aprendizaje de máquinas, lo que redujo al mínimo la necesidad de experimentos. Gracias a la utilización de este software, focalizaron su atención en una serie de polímeros quebradizos que, a escala macroscópica, son altamente comprimibles, mientras que, a escala microscópica, se caracterizan por su rigidez y resistencia.
Técnicamente, estos algoritmos serán capaces de revolucionar el desarrollo de nuevos materiales a pesar de no contar con todos los datos para las simulaciones. Basta con que sean lo suficientemente precisos y que su número cumpla unos requisitos mínimos para que la plataforma pueda efectuar sus cálculos de manera autónoma.
