Los científicos del Instituto de Tecnología de Georgia están aprovechando la inteligencia artificial (IA) para revolucionar el futuro de la industria de los polímeros. Dirigido por Rampi Ramprasad, el equipo desarrolló y perfeccionó algoritmos de IA para acelerar el descubrimiento de nuevos materiales. Su investigación se publicó en las revistas Nature Reviews Materials y Nature Communications.
Dos artículos publicados este verano en la familia de revistas Nature destacan avances y logros significativos en la investigación informática de polímeros impulsada por IA. El primer artículo, publicado en Nature Reviews Materials, analiza los desarrollos recientes en el diseño de polímeros en tres áreas de aplicación clave: plásticos reciclables, almacenamiento de energía y tecnologías de filtración.
El segundo artículo, publicado en Nature Communications, detalla el uso de algoritmos de IA para identificar una subclase específica de polímeros adecuados para el almacenamiento de energía electrostática. Estos materiales se han sintetizado y probado con éxito en el laboratorio, lo que demuestra la aplicación práctica de la IA en el descubrimiento de materiales.
En los primeros días de la IA en la ciencia de los materiales, impulsada por la Iniciativa del Genoma de los Materiales de la Casa Blanca hace más de una década, la investigación en este campo estaba impulsada en gran medida por la curiosidad. Recién en los últimos años hemos comenzado a ver historias de éxito tangibles y reales en el descubrimiento acelerado de polímeros impulsado por la IA. Estos éxitos ahora están inspirando transformaciones significativas en el panorama de la I+D de materiales industriales. Eso es lo que hace que esta revisión sea tan significativa y oportuna.
Oportunidades de IA
El equipo de Ramprasad ha desarrollado algoritmos innovadores que pueden predecir rápidamente las propiedades y formulaciones de los polímeros antes de que se creen físicamente. El proceso comienza definiendo las propiedades objetivo específicas de la aplicación o los requisitos de rendimiento. Luego, los modelos de aprendizaje automático (ML) se entrenan utilizando datos de propiedades de materiales existentes para predecir estos resultados deseados.
El equipo también puede generar nuevos polímeros, con sus propiedades predichas por los modelos de ML. Los mejores candidatos que cumplen con los requisitos de propiedad especificados se seleccionan para pruebas de laboratorio y síntesis, seguidos de una validación en el mundo real. Este proceso es iterativo; Los resultados de las pruebas posteriores se integran con los datos iniciales para refinar los modelos predictivos de forma continua.
Si bien la IA acelera la búsqueda de nuevos polímeros, también presenta desafíos distintos. Las predicciones precisas de la IA dependen de la disponibilidad de conjuntos de datos ricos, variados y grandes, lo que hace que los datos de alta calidad sean cruciales. Además, desarrollar algoritmos que puedan producir polímeros que sean sintetizables y químicamente factibles es una tarea compleja.
Una vez que los algoritmos hacen sus predicciones, comienza el verdadero desafío: demostrar que los materiales desarrollados se pueden fabricar en el laboratorio, funcionan como se espera y son escalables para el uso práctico.
El grupo de Ramprasad se centra en el diseño de estos materiales, mientras que los colaboradores de otras instituciones, incluida Georgia Tech, se encargan de la fabricación, el procesamiento y las pruebas de los materiales. El profesor Ryan Lively de la Escuela de Ingeniería Química y Biomolecular, coautor de la investigación, colabora regularmente con el equipo de Ramprasad en estos esfuerzos.
En nuestra investigación diaria, utilizamos ampliamente los modelos de aprendizaje automático que ha desarrollado el equipo de Rampi. Estas herramientas aceleran nuestro trabajo y nos permiten explorar rápidamente nuevas ideas. Esto materializa la promesa del aprendizaje automático y la inteligencia artificial, ya que podemos tomar decisiones guiadas por modelos antes de dedicar tiempo y recursos a explorar los conceptos en el laboratorio.
Ryan Lively, profesor y coautor del estudio, Facultad de Ingeniería Química y Biomolecular, Instituto de Tecnología de Georgia
El grupo de Ramprasad y sus asociados han logrado grandes avances con la IA en diversas áreas, como el almacenamiento de energía, las tecnologías de filtración, la fabricación aditiva y los materiales reciclables.
Progreso de los polímeros
Un logro significativo es el desarrollo de nuevos polímeros para condensadores, que son componentes críticos en dispositivos como los vehículos híbridos y eléctricos. En este esfuerzo, el grupo de Ramprasad colaboró con investigadores de la Universidad de Connecticut.
Actualmente, los polímeros de los condensadores suelen ofrecer estabilidad térmica o alta densidad energética, pero no ambas. Al emplear técnicas de IA, los investigadores identificaron que los materiales aislantes hechos de polímeros de polinorborneno y poliimida pueden lograr una alta densidad energética y una buena estabilidad térmica simultáneamente.
Estos polímeros pueden refinarse aún más para mantener la sostenibilidad ambiental y funcionar eficazmente en condiciones extremas, como las que se encuentran en las aplicaciones aeroespaciales.
La nueva clase de polímeros con alta densidad energética y alta estabilidad térmica es uno de los ejemplos más concretos de cómo la IA puede guiar el descubrimiento de materiales. También es el resultado de años de trabajo colaborativo multidisciplinario con Greg Sotzing y Yang Cao en la Universidad de Connecticut y el patrocinio sostenido de la Oficina de Investigación Naval.
Potencial de la industria
La participación de la industria en la publicación Nature Reviews Materials subraya el potencial práctico del desarrollo de materiales asistido por IA. Científicos de General Electric y el Instituto de Investigación Toyota son coautores de esta investigación, lo que destaca aún más su relevancia para la industria.
Matmerize Inc., una startup de software recientemente escindida de Georgia Tech y cofundada por Ramprasad, tiene como objetivo acelerar la adopción del desarrollo de materiales impulsado por IA en la industria. Su software informático de polímeros basado en la nube ya está siendo utilizado por empresas de varios sectores, incluidos la energía, la electrónica, los bienes de consumo, el procesamiento químico y los materiales sostenibles.
Ramprasad afirmó: “Matmerize ha transformado nuestra investigación en una solución robusta, versátil y lista para la industria, que permite a los usuarios diseñar materiales de manera virtual con mayor eficiencia y menor costo. Lo que comenzó como una curiosidad ha cobrado un impulso significativo y estamos entrando en una nueva y emocionante era de materiales por diseño”.
Referencia de la revista:
Tran, H., et al. (2024) Design of functional and sustainable polymers assisted by artificial intelligence. Nature Reviews Materials. doi.org/10.1038/s41578-024-00708-8.
Gurnani, R., et al. (2024) AI-assisted discovery of high-temperature dielectrics for energy storage. Nature Communications. doi.org/10.1038/s41467-024-50413-x.
