En el corazón de muchos avances científicos del pasado se encuentra el descubrimiento de materiales novedosos. Sin embargo, el ciclo de síntesis, Probar y optimizar nuevos materiales lleva a los científicos muchas horas de arduo trabajo de forma rutinaria. Debido a esto, muchos materiales potencialmente útiles con propiedades exóticas permanecen sin descubrir. Pero, ¿y si pudiéramos automatizar todo el proceso de desarrollo de materiales novedosos utilizando robótica e inteligencia artificial? haciéndolo mucho más rápido?

En un estudio reciente publicado en Materiales APL , científicos del Instituto de Tecnología de Tokio (Tokyo Tech), Japón, dirigido por el profesor asociado Ryota Shimizu y el profesor Taro Hitosugi, ideó una estrategia que podría hacer realidad la investigación de materiales completamente autónoma. Su trabajo se centra en la revolucionaria idea de que los equipos de laboratorio son 'EFECTIVO' (Conectado, Autónomo, Compartido, Alto rendimiento). Con una configuración de EFECTIVO en un laboratorio de materiales, los investigadores solo necesitan decidir qué propiedades del material quieren optimizar y alimentar al sistema con los ingredientes necesarios; el sistema automático toma el control y prepara y prueba repetidamente nuevos compuestos hasta que se encuentra el mejor. Usando algoritmos de aprendizaje automático, el sistema puede emplear conocimientos previos para decidir cómo se deben cambiar las condiciones de síntesis para acercarse al resultado deseado en cada ciclo.

Para demostrar que CASH es una estrategia factible en la investigación de materiales en estado sólido, El profesor asociado Shimizu y su equipo crearon un sistema de prueba de concepto que comprende un brazo robótico rodeado por varios módulos. Su configuración estaba orientada a minimizar la resistencia eléctrica de una película delgada de dióxido de titanio ajustando las condiciones de deposición. Por lo tanto, los módulos son un aparato de deposición catódica y un dispositivo para medir la resistencia. El brazo robótico transfirió las muestras de un módulo a otro según fuera necesario, y el sistema predijo de forma autónoma los parámetros de síntesis para la siguiente iteración basándose en datos anteriores. Para la predicción, utilizaron el algoritmo de optimización bayesiano.

Asombrosamente, su configuración de CASH logró producir y probar alrededor de doce muestras por día, un aumento de diez veces en el rendimiento en comparación con lo que los científicos pueden lograr manualmente en un laboratorio convencional. Además de este significativo aumento de velocidad, Una de las principales ventajas de la estrategia CASH es la posibilidad de crear enormes bases de datos compartidas que describen cómo varían las propiedades de los materiales según las condiciones de síntesis. A este respecto, El profesor Hitosugi comenta:"Hoy, las bases de datos de sustancias y sus propiedades siguen estando incompletas. Con el enfoque EFECTIVO, podríamos completarlos fácilmente y luego descubrir propiedades materiales ocultas, conduciendo al descubrimiento de nuevas leyes de la física y dando como resultado conocimientos a través del análisis estadístico ".

El equipo de investigación cree que el enfoque CASH provocará una revolución en la ciencia de los materiales. Las bases de datos generadas de forma rápida y sin esfuerzo por los sistemas CASH se combinarán en big data y los científicos utilizarán algoritmos avanzados para procesarlos y extraer expresiones comprensibles para los humanos. Sin embargo, como señala el profesor Hitosugi, El aprendizaje automático y la robótica por sí solos no pueden encontrar conocimientos ni descubrir conceptos en física y química. "La formación de los futuros científicos de materiales debe evolucionar; deberán comprender qué puede resolver el aprendizaje automático y plantear el problema en consecuencia. La fortaleza de los investigadores humanos radica en crear conceptos o identificar problemas en la sociedad. Combinar esas fortalezas con el aprendizaje automático y la robótica es muy importante, " él dice.

En general, Este artículo en perspectiva destaca los enormes beneficios que la automatización podría aportar a la ciencia de los materiales. Si el peso de las tareas repetitivas se quita de los hombros de los investigadores, podrán concentrarse más en descubrir los secretos del mundo material en beneficio de la humanidad.