En un mundo ideal, un científico de materiales describiría la propiedad que necesita, por ejemplo un electrolito de batería que conduzca bien el litio, y un modelo de IA le propondría cristales adecuados. Los modelos de lenguaje actuales lo hacen mal, y un equipo del MIT sostiene que el motivo son los datos. Los materiales son disposiciones 3D de átomos, no texto, y la literatura publicada cubre solo un puñado de clases de cristales populares, así que los modelos entrenados con artículos se inclinan hacia lo que ya se ha estudiado.
El equipo, dirigido por Ju Li, con Yang Jeong Park como primer autor y colegas como Elsa Olivetti, construyó un modelo que vincula directamente estructuras cristalinas y lenguaje. Con aprendizaje contrastivo, que enseña a un modelo a emparejar ejemplos que coinciden y a separar los que no, alinea estructuras atómicas en 3D con descripciones de texto, igual que los modelos de imagen alinean fotos con pies de foto. La clave fue el texto de entrenamiento. En lugar de depender solo de artículos, los investigadores generaron descripciones de estructuras procedentes tanto de la literatura como de bases de datos computacionales de primeros principios, que abarcan composición, estructura, propiedades, procesado y posibles usos. Una versión entrenada con estas descripciones sintéticas aprendió a alinear geometría y texto; otra entrenada solo con texto de artículos no lo logró.
El beneficio es la búsqueda por descripción. Ante una consulta en lenguaje corriente sobre una propiedad, el modelo devolvió materiales cristalinos con esa propiedad y superó a una referencia. Cuando se le pidieron electrolitos para baterías de iones de litio de estado sólido, entre sus primeros resultados había materiales que otros ya habían señalado como prometedores. Li compara la ambición con AlphaFold, que vinculó la estructura de las proteínas con su función, y el trabajo se ha publicado en Nature Communications.
Para los investigadores, la idea importa porque los cristales forman más del 90% de los materiales sólidos de la Tierra, y las bases de datos computacionales ya contienen muchas más estructuras candidatas de las que nadie ha descrito por escrito. Una herramienta capaz de leer esas estructuras y responder preguntas en lenguaje corriente haría más fácil usar ese depósito de datos, junto a los modelos basados en grafos que ya proponen cristales nuevos.
Las pruebas son por ahora escasas para un uso práctico. El artículo del MIT no da cifras de rendimiento, no nombra la referencia y no dice cuántos candidatos se comprobaron. Recuperar materiales que los expertos ya conocían demuestra que la búsqueda funciona; no demuestra que el modelo pueda encontrar materiales nuevos, que es la prueba que importa. Las descripciones de entrenamiento las generó a su vez una IA, así que sus errores podrían pasar al modelo. Las pruebas independientes con materiales fuera de los datos de entrenamiento decidirán si es el salto que esperan sus autores.