Mientras el mundo se obsesiona con la IA que genera texto, imágenes y películas, una startup encabezada por un ex investigador senior de DeepMind está desarrollando tecnología GenAI para respaldar la fabricación de nuevos materiales físicos.
Materiales orbitales -fundada por Jonathan Godwin, quien anteriormente estuvo involucrado en los esfuerzos de investigación de materiales de DeepMind- está creando una plataforma impulsada por inteligencia artificial que puede usarse para descubrir materiales que van desde baterías hasta celdas que capturan dióxido de carbono.
Godwin dice que se inspiró para fundar Orbital Materials al ver cómo las técnicas que sustentan los sistemas de IA como AlphaFold, la IA de DeepMind que puede predecir la estructura 3D de una proteína a partir de su secuencia de aminoácidos, podrían aplicarse a las ciencias de los materiales.
“Los métodos tradicionales para descubrir nuevos materiales se han basado durante mucho tiempo en procesos de prueba y error en el laboratorio que consumen mucho tiempo, lo que a menudo resulta en años de experimentación antes de lograr el éxito”, dijo Godwin a TechCrunch en una entrevista por correo electrónico. “Sentí que se necesitaba un nuevo tipo de organización, una con expertos en inteligencia artificial y científicos de materiales, para llevar los materiales de la computadora al mundo real”.
Con o sin ayuda de IA, la elaboración de un nuevo material no suele ser un proceso muy intuitivo.
Lograr ciertas propiedades (por ejemplo, ligereza y rigidez) requiere identificar las estructuras físicas y químicas correspondientes, así como descubrir los procesos (por ejemplo, fusión, evaporación) para crear estructuras confiables. El material, una vez diseñado, debe someterse a pruebas de tensión en diferentes condiciones (temperaturas extremas, por ejemplo) dependiendo de su aplicación prevista.
La IA no puede resolver todos los desafíos inherentes al diseño de materiales. (No hay sustituto para la experimentación en el mundo real, por ejemplo). Pero puede ahorrar tiempo (y dinero) al apoyarse en cálculos para determinar qué propiedades y procesos podrían producir qué tipos de materiales.
“Los responsables de la toma de decisiones técnicas en las empresas de química y materiales luchan por desarrollar nuevos productos porque los métodos tradicionales para descubrir nuevos materiales avanzados son demasiado lentos y costosos para satisfacer esta demanda”, dijo Godwin. “[Yet] La demanda de nuevos materiales avanzados… está creciendo enormemente a medida que nuestras economías se electrifican y descarbonizan”.
Orbital Materials no es el primero en aplicar IA a la I+D de materiales.
Osmium AI, liderado por un ex-Googler y respaldado por Y Combinator, permite a los clientes industriales predecir las propiedades físicas de nuevos materiales y luego refinarlos y optimizarlos aprovechando la IA. Varios artículos académicos durante la última década. proponer formas de acelerar los flujos de trabajo de diseño de materiales a través de la IA junto con vastas bases de datos de moléculas. La propia DeepMind está investigando materiales originados en IA el año pasado anunciando que ideó un algoritmo para descubrir millones de cristales que algún día podrían impulsar tecnologías comerciales.
Pero lo que distingue a Orbital Materials es su modelo patentado de IA para la ciencia de materiales, afirma Godwin.
“Nos hemos inspirado mucho en los éxitos de los grandes modelos de lenguaje y AlphaFold para construir nuestros conjuntos de datos”, dijo Godwin. “En estos modelos, lo realmente importante es obtener muchos tipos diferentes de datos: modelos como ChatGPT se entrenan con código, artículos de noticias, textos científicos y enciclopedias. Esta diversidad es una de las cosas que confiere a los modelos sus extraordinarias capacidades”.
El modelo de Orbital, llamado Linus, sirve como columna vertebral del laboratorio de la startup en Nueva Jersey, donde impulsa la investigación y el desarrollo de materiales y productos químicos. Linus fue entrenado en un gran conjunto de datos de simulaciones y materiales, dice Godwin, desde baterías y semiconductores hasta catalizadores y moléculas orgánicas.
Los científicos que utilizan Linus ingresan instrucciones en lenguaje natural (por ejemplo, “un material que tiene una buena absorción de dióxido de carbono”) y el sistema genera una estructura molecular tridimensional que cumple con los criterios. Comenzando con una nube aleatoria de átomos, Linus refina iterativamente la estructura hasta llegar a algo que satisfaga mejor las instrucciones.
“[We’re] adoptar un enfoque de inteligencia artificial completo para desarrollar una cartera de materiales internamente”, continuó Godwin.
Como toda GenAI, Linus no es perfecto: a veces genera materiales que no son físicamente posibles de fabricar. Pero Godwin lo afirma. tiene desarrolló con éxito al menos uno: un filtro barato y más confiable para capturar dióxido de carbono del aire. Orbital planea anunciar más detalles este año.
Orbital, con sede en Londres y un equipo de 13 personas, no planea fabricar el filtro en sí ni ningún otro material. Más bien, el objetivo es llevar los materiales a la fase de prueba de concepto o demostración piloto y luego buscar fabricantes externos como socios.
Para ayudar a lograrlo, Orbital recaudó recientemente 16 millones de dólares en una ronda de Serie A liderada por Radical Ventures con la participación de Toyota Ventures. Godwin eleva el total recaudado por la startup a ~$21 millones y dice que el nuevo capital se destinará a ampliar los equipos de ciencia de datos y laboratorio húmedo de Orbital.
“Así como AlphaFold permite descubrir y comercializar nuevos medicamentos más rápidamente, la tecnología de Orbital Materials permite diseñar y comercializar nuevos materiales avanzados a una velocidad sin precedentes”, afirmó Godwin.