Una nova eina anomenada SCIGEN permet que els models generatius d’intel·ligència artificial respectin regles estructurals en proposar materials, cosa que multiplica les probabilitats de descobrir compostos amb propietats quàntiques revolucionàries. Aquest avanç podria reordenar la investigació en computació quàntica, superconductivitat i en la cerca de materials exòtics que avui amb prou feines s’intueixen en teoria.
Com funciona un filtre per a la imaginació de la IA
Els models generatius aplicats a la ciència de materials solen prioritzar l’estabilitat. És a dir, repeteixen patrons coneguts i poques vegades suggereixen estructures amb comportaments inusuals. SCIGEN (Structural Constraint Integration in GENerative model) canvia aquesta dinàmica en introduir restriccions geomètriques des de l’inici del procés. En cada iteració, el sistema compara l’estructura generada amb un conjunt de plantilles geomètriques conegudes per afavorir fenòmens quàntics. Si no encaixa, la descarta. Entre aquestes plantilles es troben les xarxes Kagome —una disposició de triangles superposats que indueix interferències electròniques i afavoreix estats magnètics complexos— i les xarxes arqui mèdiques, mosaics geomètrics que organitzen els àtoms en patrons regulars capaços de generar interaccions col·lectives. Gràcies a aquest filtratge progressiu, la IA no explora a l’atzar, sinó que avança per corredors estratègics dins d’un espai químic gairebé infinit, concentrant l’esforç computacional en regions amb més probabilitat d’èxit.
La promesa: materials amb propietats úniques
L’equip del MIT va aplicar SCIGEN sobre DiffCSP, un model de difusió que funciona de manera similar als generadors d’imatges, però en lloc de crear fotos inventa estructures atòmiques plausibles. Està dissenyat específicament per produir configuracions cristal·lines —esquemes de com s’organitzen els àtoms en un sòlid— i en combinar-lo amb SCIGEN s’orienta la generació cap a patrons geomètrics amb interès quàntic. El resultat va ser aclaparador. Milions de candidats, dels quals un milió va superar el filtre inicial d’estabilitat termodinàmica. Entre 26.000 seleccionats per a anàlisi detallada, un 41% va mostrar propietats magnètiques, una proporció insòlita en comparació amb tècniques anteriors. Aquest filtre no es va quedar en càlculs, els investigadors van sintetitzar al laboratori dos compostos inèdits, TiPdBi i TiPbSb, les propietats dels quals van coincidir en gran manera amb les prediccions computacionals, marcant un pont poc habitual entre el món digital i el tangible.
Quines dades sostenen les prediccions
Les restriccions de SCIGEN es basen en dècades de coneixement acumulat. Se sap que les xarxes Kagome, en superposar triangles, poden provocar fenòmens topològics, superconductivitat no convencional o estats de matèria exòtica. El flux de treball és escalonat, primer generació massiva sota restriccions, després filtratge per estabilitat, seguit de simulacions avançades de propietats electròniques i magnètiques, i finalment síntesi experimental. Cada capa actua com un tamís que refina el conjunt inicial fins a deixar únicament candidats amb potencial real.
Les tensions: entre el biaix i l’oportunitat
Que la IA suggereixi un material no significa que pugui fabricar-se. Els autors insisteixen que la validació experimental continua sent insubstituïble. Però hi ha un dilema central. En imposar regles, SCIGEN focalitza la cerca en patrons coneguts, amb el risc de marginar sorpreses fora de guió. El biaix estructural accelera el descobriment del qual ja es sospita, però podria encegar davant l’inesperat. A això s’afegeix el repte d’escalar el mètode cap a materials multicomponents o tridimensionals més complexos, cosa que exigirà més potència computacional i noves heurístiques. I, en paral·lel, com sempre, emergeix el dubte de l’autoria: qui és l’autor d’un material dissenyat en simbiosi entre algoritmes i científics humans?
Ecos en l’ecosistema de la IA científica
SCIGEN se suma a un corrent més ampli, conegut com a AI4Science, que concep la intel·ligència artificial com un soci de recerca. Models com MatterGen, capaços d’integrar simetries cristal·lines en les seves prediccions, o Aethorix v1.0, que combina difusió, models de llenguatge i potencials interatòmics per proposar compostos manufacturables, comparteixen la mateixa ambició: transformar l’exploració científica en un procés més guiat, menys atzarós. La diferència és que cada enfocament col·loca un èmfasi diferent: uns privilegien la diversitat, altres la precisió estructural, i SCIGEN aposta per un camí intermedi on la creativitat està modelada per geometries heretades de la física.
La línia que guia la invenció
La imatge final que deixa SCIGEN és la d’una IA que no improvisa, sinó que treballa seguint plànols precisos, com un arquitecte que construeix sobre geometries atemporals. El trajecte des de la simulació digital fins a un material tangible continua sent llarg, amb bifurcacions i carrerons sense sortida. Però cada compost sintetitzat a partir d’una predicció marca un precedent on la imaginació algorítmica, quan es guia amb cura, pot materialitzar-se en àtoms reals. I en aquesta tensió entre el possible i l’imprevist es juga el futur dels materials que sostindran la pròxima revolució tecnològica.
Obre un parèntesi en les teves rutines. Subscriu-te al nostre butlletí i posa’t al dia en tecnologia, IA i mitjans de comunicació.
