La combinación de inteligencia artificial avanzada y computación en la nube de próxima generación está acelerando los descubrimientos científicos a velocidades inimaginables hace solo unos años. Microsoft y el Laboratorio Nacional del Noroeste del Pacífico (PNNL) en Richland, Washington, están colaborando para demostrar cómo esta aceleración puede beneficiar a la química y la ciencia de materiales, dos campos cruciales para encontrar soluciones energéticas que el mundo necesita.
Los científicos del PNNL están probando un nuevo material para baterías que se descubrió en cuestión de semanas, no años, como parte de la colaboración con Microsoft, utilizando IA avanzada y computación de alto rendimiento (HPC). La HPC es un tipo de computación basada en la nube que combina grandes cantidades de computadoras para resolver tareas científicas y matemáticas complejas.
En el marco de este esfuerzo, el equipo de Quantum de Microsoft utilizó IA para identificar alrededor de 500.000 materiales estables en solo unos días. El nuevo material para baterías surgió de una colaboración que utilizó Azure Quantum Elements de Microsoft para reducir 32 millones de materiales inorgánicos potenciales a 18 candidatos prometedores en solo 80 horas. Este trabajo sienta las bases para una nueva forma de acelerar soluciones a desafíos urgentes en sostenibilidad, farmacéutica y otros campos, al tiempo que ofrece un vistazo de los avances que serán posibles con la computación cuántica.
«Creemos que hay una oportunidad para hacer esto en varios campos científicos», dice Brian Abrahamson, director digital del PNNL. «Los avances tecnológicos recientes han abierto la oportunidad de acelerar el descubrimiento científico».
Un nuevo enfoque para el descubrimiento de materiales
El PNNL es un laboratorio del Departamento de Energía de EE.UU. que realiza investigaciones en varias áreas, incluyendo química y ciencia de materiales, con objetivos de seguridad y sostenibilidad energética. Esto lo convierte en el colaborador ideal para Microsoft, aprovechando modelos de IA avanzados para descubrir nuevos candidatos a materiales para baterías.
«El desarrollo de nuevas baterías es un desafío global increíblemente importante», dice Abrahamson. «Ha sido un proceso intensivo en mano de obra. Sintetizar y probar materiales a escala humana es fundamentalmente limitante».
De la hipótesis a la práctica
Tradicionalmente, el primer paso en la síntesis de materiales es revisar todos los estudios publicados sobre otros materiales y formular hipótesis sobre cómo podrían funcionar diferentes enfoques. «Uno de los principales desafíos es que la gente publica sus historias de éxito, no sus historias de fracaso», dice Vijay Murugesan, líder del grupo de ciencias de materiales en PNNL. Esto significa que los científicos rara vez aprenden de los fracasos de los demás.
El siguiente paso tradicional es probar las hipótesis, un proceso largo y iterativo. «Si es un fracaso, volvemos a la mesa de dibujo», dice Murugesan. En un proyecto anterior en PNNL, una tecnología de batería de flujo redox de vanadio, se necesitaron varios años para resolver un problema y diseñar un nuevo material.
La IA al rescate
Microsoft entrenó diferentes sistemas de IA para evaluar sofisticadamente todos los elementos utilizables y sugerir combinaciones. El algoritmo propuso 32 millones de candidatos. Luego, la IA filtró los materiales estables, eliminando candidatos en función de su reactividad y potencial para conducir energía.
«En cada paso de la simulación donde tenía que ejecutar un cálculo de química cuántica, en su lugar llamo al modelo de aprendizaje automático. Así, obtengo la percepción y las observaciones detalladas que provienen de ejecutar la simulación, pero la simulación puede ser hasta 500.000 veces más rápida», dice Nathan Baker, líder de producto para Azure Quantum Elements.
Gracias a esta combinación de IA y HPC, descubrir los candidatos más prometedores tomó solo 80 horas.
Aplicaciones amplias y accesibilidad
Los científicos de Microsoft utilizaron IA para realizar la mayor parte de la reducción de candidatos, representando alrededor del 90% del tiempo computacional. Los científicos de materiales de PNNL luego evaluaron la lista corta de materiales. Porque las herramientas de IA de Microsoft están entrenadas para la química, no solo para sistemas de baterías, pueden usarse para cualquier tipo de investigación de materiales, y la nube siempre está accesible.
«Creemos que la nube es un recurso tremendo para mejorar la accesibilidad a las comunidades de investigación», dice Abrahamson.
Resultados sorprendentes
El material recientemente descubierto que los científicos de PNNL están probando usa tanto litio como sodio, así como otros elementos, reduciendo significativamente el contenido de litio. A pesar de que el proceso está en etapas iniciales, ya se han logrado avances significativos en la identificación rápida de la química de baterías viables.
Con esta colaboración entre Microsoft y PNNL, se está inaugurando una nueva era de aceleración en el descubrimiento científico, con la IA y la HPC transformando el panorama de la investigación y ofreciendo soluciones rápidas a problemas críticos a nivel mundial.
Referencias: Microsoft news y Microsoft Quantum Team. Foto Microsoft.
