La ciencia de materiales lleva a\u00f1os utilizando inteligencia artificial para proponer nuevas estructuras, pero buena parte de los modelos actuales dependen de textos cient\u00edficos o de representaciones incompletas. El nuevo trabajo, presentado por investigadores del Massachusetts Institute of Technology (MIT) y publicado en Nature Communications<\/em>, introduce una estrategia multimodal que permite al sistema trabajar simult\u00e1neamente con estructuras at\u00f3micas en tres dimensiones y con descripciones en lenguaje natural.<\/p>\r\n\r\n\r\n\r\n Los grandes modelos de lenguaje aprenden fundamentalmente a partir de secuencias de texto. Sin embargo, m\u00e1s del 90 % de los materiales s\u00f3lidos de la Tierra son cristalinos y sus propiedades dependen de la posici\u00f3n tridimensional de los \u00e1tomos, de sus enlaces y de la geometr\u00eda de la red cristalina. Dos materiales con composiciones relacionadas pueden comportarse de manera muy diferente si sus \u00e1tomos est\u00e1n organizados de otra forma.<\/p>\r\n\r\n\r\n\r\n El equipo del MIT cre\u00f3 un sistema capaz de vincular esa informaci\u00f3n geom\u00e9trica con narrativas que describen composici\u00f3n, estructura, propiedades, condiciones de procesamiento y aplicaciones potenciales. Para entrenarlo emplearon tanto literatura experimental como bases de datos obtenidas mediante c\u00e1lculos de primeros principios.<\/p>\r\n\r\n\r\n\r\n Los investigadores utilizaron aprendizaje contrastivo para ense\u00f1ar al modelo a reconocer qu\u00e9 descripciones corresponden a determinadas estructuras y cu\u00e1les no. Despu\u00e9s compararon una versi\u00f3n entrenada con las narrativas sint\u00e9ticas enriquecidas con informaci\u00f3n estructural frente a otra basada solamente en textos de art\u00edculos cient\u00edficos.<\/p>\r\n\r\n\r\n\r\n La diferencia fue importante: el sistema con informaci\u00f3n tridimensional aprendi\u00f3 a alinear geometr\u00eda y lenguaje de una forma que el modelo puramente textual no consigui\u00f3. Seg\u00fan el MIT, tambi\u00e9n pudo responder consultas expresadas en lenguaje natural y recuperar materiales cristalinos que cumpl\u00edan determinadas propiedades con mejores resultados que el modelo de referencia.<\/p>\r\n\r\n\r\n\r\n Una de las pruebas resulta especialmente ilustrativa. Cuando los cient\u00edficos pidieron al modelo materiales adecuados para electrolitos de bater\u00edas de ion-litio de estado s\u00f3lido, entre las primeras respuestas aparecieron compuestos que ya hab\u00edan sido identificados de manera independiente como candidatos prometedores.<\/p>\r\n\r\n\r\n\r\n Esto no significa que la inteligencia artificial pueda sustituir la fabricaci\u00f3n y validaci\u00f3n experimental de un material. El avance est\u00e1 en reducir el espacio de b\u00fasqueda: en vez de examinar a ciegas enormes cantidades de candidatos, los investigadores podr\u00edan utilizar sistemas capaces de razonar sobre estructura, propiedades y procesamiento antes de llevar las opciones m\u00e1s prometedoras al laboratorio.<\/p>\r\n\r\n\r\n\r\n Ju Li, profesor de ingenier\u00eda del MIT y uno de los autores, compara el potencial del enfoque con la importancia que ha tenido AlphaFold al conectar estructuras de prote\u00ednas con su funci\u00f3n. La analog\u00eda no implica que ambos sistemas resuelvan el mismo problema, sino que apunta a una ambici\u00f3n semejante: convertir la estructura tridimensional en informaci\u00f3n que una m\u00e1quina pueda utilizar para hacer predicciones \u00fatiles.<\/p>\r\n\r\n\r\n\r\n El objetivo final es que un investigador pueda describir la propiedad que necesita \u2014conductividad, estabilidad, resistencia u otra caracter\u00edstica\u2014 y que el sistema encuentre estructuras cristalinas compatibles. Si el m\u00e9todo escala a grandes familias de compuestos, podr\u00eda acelerar el desarrollo de bater\u00edas, semiconductores, catalizadores y otros materiales avanzados.<\/p>\r\n\r\n\r\n\r\n La investigaci\u00f3n fue difundida por el MIT el 18 de octubre de 2026 y cuenta con financiaci\u00f3n parcial de la Defense Threat Reduction Agency de Estados Unidos, DARPA y la National Research Foundation of Korea.<\/p>\r\n\r\n\r\n\r\n Un nuevo modelo multimodal desarrollado en el MIT combina estructuras at\u00f3micas tridimensionales con lenguaje para identificar materiales seg\u00fan sus propiedades y aplicaciones.<\/p>","protected":false},"author":284226809,"featured_media":4135,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_wpcom_ai_launchpad_first_post":false,"_jetpack_hide_featured_image":false,"_jetpack_featured_image_duplicate_dismissed":0,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"jetpack_post_was_ever_published":false},"categories":[33205457,33205424],"tags":[33207076,33207077,33205592,33207075],"class_list":["post-4136","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-al-dia","category-tecnologia","tag-ciencia-de-materiales","tag-cristales","tag-inteligencia-artificial","tag-mit"],"acf":{"introduccion":"","fuentes_y_referencias":"El problema: los materiales no caben en una frase<\/strong><\/h2>\r\n\r\n\r\n\r\n
Una IA que relaciona forma y funci\u00f3n<\/strong><\/h2>\r\n\r\n\r\n\r\n
La prueba con bater\u00edas de estado s\u00f3lido<\/strong><\/h2>\r\n\r\n\r\n\r\n
Un posible cambio de escala para descubrir materiales<\/strong><\/h2>\r\n\r\n\r\n\r\n
<\/h2>\r\n\r\n\r\nMIT News, \u201cGiving AI a \u2018crystal clear\u2019 view of the materials world\u201d, 18 de octubre de 2026. Nature Communications, \u201cScaling multimodal materials representation learning with synthetic narratives\u201d. Imagen de portada: MIT News \/ Getty Images, bajo los t\u00e9rminos de uso indicados por MIT News.","autor":[748]},"yoast_head":"\n