Microsoft recurre a MatterGen para avanzar en el descubrimiento de materiales

mattergen ai materials discovery microsoft science artificial intelligence diffusion model

El descubrimiento de nuevos materiales es la clave para resolver algunos de los mayores desafíos de la humanidad. Sin embargo, como se destaca microsoftEl método tradicional de descubrir nuevos materiales es como "buscar una aguja en un pajar".

Históricamente, la búsqueda de nuevos materiales se ha basado en experimentos de prueba y error laboriosos y costosos. Recientemente, el análisis computacional de grandes bases de datos de materiales ha ayudado a acelerar este proceso, pero sigue siendo un proceso que requiere mucho tiempo.

Ahora, una nueva y poderosa herramienta de inteligencia artificial generativa de Microsoft podría acelerar significativamente este proceso. La herramienta, llamada MatterGen, ofrece un enfoque potencialmente innovador para el descubrimiento de materiales al alejarse de los métodos de detección tradicionales y, en su lugar, diseñar materiales novedosos directamente en función de los requisitos de diseño.

Publicado en papel naturalezaMicrosoft describe MatterGen como un modelo de difusión que opera dentro de la geometría 3D de un material. Los modelos de difusión de imágenes pueden generar imágenes basadas en señales textuales ajustando los colores de los píxeles, mientras que MatterGen genera estructuras materiales cambiando elementos, posiciones y redes periódicas en estructuras aleatorias. Esta arquitectura personalizada está diseñada para satisfacer las necesidades únicas de la ciencia de los materiales, como la periodicidad y la alineación 3D.

"MatterGen permite un nuevo paradigma de diseño de materiales generativo asistido por IA que explora eficazmente materiales más allá del conjunto limitado de materiales conocidos", explica Microsoft.

El rendimiento del modelo de inferencia DeepSeek-R1 es comparable al de OpenAIEl rendimiento del modelo de inferencia DeepSeek-R1 es comparable al de OpenAI

Un salto más allá del screening

Los enfoques computacionales tradicionales implican examinar enormes bases de datos de materiales potenciales para identificar candidatos con las propiedades deseadas. Sin embargo, incluso estos métodos tienen una capacidad limitada para explorar el universo desconocido de materiales y requieren que los investigadores examinen millones de opciones antes de encontrar un candidato prometedor.

Por el contrario, MatterGen comienza desde cero, generando materiales basados ​​en señales específicas sobre química, propiedades mecánicas, propiedades electrónicas, comportamiento magnético o una combinación de estas limitaciones. El modelo se entrena utilizando más de 608.000 materiales estables compilados de las bases de datos Materials Project y Alexandria.

En la comparación siguiente, MatterGen supera significativamente a los métodos de cribado tradicionales a la hora de generar nuevos materiales con propiedades específicas, específicamente módulos volumétricos superiores a 400 GPa, lo que significa que son difíciles de comprimir.

Aunque la selección tiene rendimientos decrecientes con el tiempo a medida que se agota el grupo de candidatos conocidos, MatterGen continúa produciendo resultados cada vez más novedosos.

Un desafío común encontrado durante la síntesis de materiales es el desorden compositivo, un fenómeno en el que los átomos intercambian posiciones aleatoriamente dentro de la red cristalina. Al decidir qué se considera material "verdaderamente novedoso", los algoritmos tradicionales a menudo no logran distinguir entre estructuras similares.

Rodolphe Malaguti, Conga: Los datos incorrectos obstaculizan la IA en los servicios públicosRodolphe Malaguti, Conga: Los datos incorrectos obstaculizan la IA en los servicios públicos

Para abordar este problema, Microsoft diseñó un nuevo algoritmo de coincidencia estructural que incorpora el desorden compositivo en su evaluación. Esta herramienta puede identificar si dos estructuras son simplemente aproximaciones ordenadas de la misma estructura desordenada subyacente, lo que permite una definición más sólida de novedad.

Demostrando que MatterGen funciona para el descubrimiento de materiales

Para demostrar el potencial de MatterGen, Microsoft se asoció con investigadores de los Institutos de Tecnología Avanzada de Shenzhen (SIAT) de la Academia de Ciencias de China para sintetizar experimentalmente un nuevo material diseñado por inteligencia artificial.

El material, TaCr2O6, fue generado por MatterGen para cumplir con el objetivo de módulo volumétrico de 200 GPa. Si bien los resultados experimentales estuvieron ligeramente por debajo del objetivo (el módulo medido fue de 169 GPa), el error relativo fue sólo del 20 %, una pequeña diferencia desde una perspectiva experimental.

Curiosamente, el material final presenta un desorden compositivo entre los átomos de Ta y Cr, pero su estructura coincide estrechamente con las predicciones del modelo. Si este nivel de precisión predictiva puede trasladarse a otros campos, MatterGen podría tener un profundo impacto en el diseño de materiales para baterías, pilas de combustible, imanes y más.

Microsoft posiciona MatterGen como una herramienta complementaria a sus anteriores modelos de inteligencia artificial, simulación de materiaque acelera la simulación de las propiedades de los materiales. Juntas, estas herramientas pueden actuar como un "volante" tecnológico, mejorando la exploración de nuevos materiales y la simulación de sus propiedades en ciclos iterativos.

Este enfoque se alinea con lo que Microsoft llama el "quinto paradigma del descubrimiento científico", en el que la inteligencia artificial va más allá del reconocimiento de patrones para guiar de manera proactiva experimentos y simulaciones.

Microsoft lanza MatterGen código fuente Bajo licencia del MIT. Además del código, el equipo proporciona capacitación y ajusta conjuntos de datos para el modelo para respaldar futuras investigaciones y fomentar una adopción más amplia de la tecnología.

Pensando en el potencial científico más amplio de la IA generativa, Microsoft la comparó con el descubrimiento de fármacos, donde dichas herramientas ya están empezando a cambiar la forma en que los investigadores diseñan y desarrollan fármacos. Asimismo, MatterGen puede remodelar la forma en que diseñamos materiales, particularmente en áreas clave como las energías renovables, la electrónica y la ingeniería aeroespacial.

(Fuente de la imagen: microsoft)

Ver también: L'Oréal: uso de IA generativa para hacer cosméticos sostenibles

ai expo world 728x 90 01

¿Quiere aprender más sobre inteligencia artificial y big data de la mano de los líderes de la industria? Controlar Expo Inteligencia Artificial y Big Data Celebrada en Amsterdam, California y Londres. El evento integral se lleva a cabo al mismo tiempo que otros eventos importantes, incluidos Conferencia de automatización inteligente, brockx, semana de transformación digitaly Expo Ciberseguridad y Nube.

Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados ​​por TechForge aquí.

Etiqueta: ai, ciencia, difusión, inteligencia artificial, materiales, mattegen, microsoft

Descubre herramientas IA similares a Microsoft recurre a MatterGen para avanzar en el descubrimiento de materiales puedes visitar la categoría Noticias.

Repositoria

Relacionado:

Subir