Hasta ahora, la ciencia de materiales trabajaba con el proceso tradicional de prueba-error. La inteligencia artificial va a cambiar radicalmente este proceso, desarrollando procesos y materiales a los que no llega la intuición humana.
En la comunidad científica que trabaja en la frontera del conocimiento, comienza a surgir la idea de que cuando se adopten de forma generalizada las técnicas de inteligencia artificial, la profesión de científico en general y la de científico de materiales, en particular, va a cambiar substancialmente. “Nos convertiremos en supervisores de cómo los algoritmos de inteligencia artificial están descubriendo ciencia”, explica Jorge Bravo-Abad, Profesor de Física Teórica de la Materia Condensada, de la Facultad de Ciencias de la Universidad Autónoma de Madrid, y pionero en el proceso de aplicación de inteligencia artificial en materiales de construcción.
En el Massachusetts Institute of Technology (MIT), donde Jorge Bravo-Abad ha pasado recientemente un año sabático, no hay físico que no esté aplicando la inteligencia artificial en su rama, explica este profesor. “En España te das cuenta que esta revolución está todavía por llegar. La forma de hacer I+D en materiales va a cambiar radicalmente en los próximos cinco a diez años.” Jorge Bravo es el creador de la Red Nacional de Inteligencia Artificial para Física de la Materia Condensada, en la que se comparten los mismos intereses y soluciones para catalizar la adopción de estas técnicas en España.
La inteligencia artificial se alimenta de datos, aprende de miles de casos y luego es capaz, utilizando lo aprendido, de predecir el resultado de situaciones que nunca ha visto antes. De esa forma se pueden crear algoritmos, que una vez entrenados, pueden superar en conocimiento a los mayores expertos del mundo. Se hace el llamado diseño inverso, cuando el sistema ha sido entrenado con muchos casos, si tú quieres una propiedad determinada de un material, puedes crearla combinando esta información.
Existe el aprendizaje automático, y dentro de él, el aprendizaje profundo basado en unos sistemas que se llaman redes neuronales, formados a su vez por unidades (llamadas neuronas por su analogía a cómo funciona el cerebro humano). Estas unidades de forma aislada tienen una respuesta muy sencilla, pero cuando acumulas miles de ellas, la respuesta colectiva empieza a tener características de inteligencia, de inteligencia artificial.
Realmente se está creando un nuevo paradigma que reemplaza al proceso de I+D en ciencia de materiales. Tradicionalmente ha sido un proceso muy manual, con muchos ensayos y muy costoso, tanto en tiempo como en personal. “Con una red neuronal la búsqueda de un nuevo material con unas propiedades mejoradas se realiza automáticamente, nosotros los científicos actuamos como controladores de estos algoritmos”, subraya el profesor de la Universidad Autónoma de Madrid.
Estos algoritmos te permiten trabajar tanto con nanomateriales como con materiales macroscópicos. En el grupo de investigación de Jorge Bravo uno de los focos fundamentales es mejorar la sostenibilidad de los productos y de los procesos derivados de ambos tipos de materiales.
Nanomateriales y materiales macroscópicos
En nanomateriales, uno de los temas más importantes es el diseño de materiales que puedan capturar CO2, con aplicaciones a recubrimientos. Todos están relacionados con la fabricación de materiales nanométricas (materiales que incluyen ingeniería de los átomos constituyentes).
Entre los materiales macroscópicos, uno de los materiales más complicados es el hormigón, que resulta también ser uno de los más utilizados a día de hoy en construcción. El hormigón es muy complejo porque es muy difícil predecir sus propiedades y su comportamiento en obra, ya que su respuesta depende mucho de un gran número de variables ligadas entre sí (la proporción de agua y cemento, del ligante, de los áridos, aditivos adicionales, etc). “La idea es reemplazar el proceso de creación de hormigón por uno mejorado, resultado de la aplicación de una red neuronal haya sido entrenada con muchos casos y de pueda lugar a un hormigón con una respuesta mejorada”, explica el profesor Bravo-Abad. Esto supone ahorro de costes en I+D, en costes de fabricación, y por lo tanto, incremento de la sostenibilidad medioambiental.
Hay otro ejemplo similar, el acero. Hay muchos parámetros que gobiernan la ligereza de su estructura, la dureza, etc. La industria metalúrgica sigue haciendo procesos de prueba-error. La inteligencia artificial puede mejorarlos significativamente.
“La inteligencia artificial va a proporcionar el competitive edge que necesita este sector. Podremos decir dentro de poco ˆEste es el primer edificio que se ha construido con hormigón con propiedades aumentadas gracias a la inteligencia artificial^, pero todavía no existen materiales para construcción hechos con estas técnicas. Ahí queremos ser los primeros, tanto en hormigón como acero”, explica Jorge Bravo-Abad.
Ya existen algunas aplicaciones específicas de inteligencia artificial para materiales que ya han sido demostradas:
— Panasonic: Un nuevo tipo de moléculas orgánicas para el desarrollo pantallas flexibles, ligeras y de bajo coste con una de sus propiedades más importantes (denominada “movilidad de las moléculas”) mejorada en un 25% respecto a las existentes.
— HRL Laboratories: Primera aleación de aluminio de gran resistencia que puede ser impresa en 3D.
— Alliance for the Development of Additive Processing Technologies (ADAPT): 50% aumento de la resistencia con una reducción de peso del 38% de bisagras metálicas de apertura de puertas en vehículos blindados militares de US Army.
