En 2018, Tian Xie estaba inmerso en sus estudios de doctorado en el MIT, centrándose en la ciencia y la ingeniería de materiales. Durante este tiempo, surgió una pregunta crucial: ¿Se podría diseñar un modelo que tomara restricciones y criterios como entradas y produjera materiales viables como salidas?Xie creía, con optimismo, que era posible, aunque no podía prever el rápido avance y las implicaciones significativas de esta idea. Después de completar un postdoctorado de dos años en el CSAIL del MIT, Xie se unió a la iniciativa AI for Science de Microsoft Research en 2022. Esta iniciativa, impulsada por el destacado científico Chris Bishop, tiene como objetivo utilizar la inteligencia artificial para abordar desafíos globales como la sostenibilidad y el descubrimiento de fármacos. A lo largo de dos años y medio, el equipo se ha expandido significativamente, trabajando a través de cinco zonas horarias para impulsar los límites de la innovación. Dos herramientas clave en esta iniciativa, MatterGen y MatterSim, han cambiado fundamentalmente la forma en que se investiga en materiales. MatterGen actúa como la fuerza creativa, generando conceptos de estructuras moleculares a través de algoritmos sofisticados para identificar nuevos materiales con propiedades deseadas. “MatterGen genera miles de candidatos con restricciones definidas por el usuario para proponer nuevos materiales”, declaró Xie, marcando un cambio significativo en el diseño de materiales. En contraste, MatterSim evalúa rigurosamente estos conceptos para determinar su estabilidad y viabilidad, filtrando así ideas teóricas de realidades prácticas.

Juntas, optimizan un proceso que anteriormente dependía en gran medida de extensas pruebas de laboratorio, mejorando significativamente la eficiencia en el descubrimiento de materiales. Tian Xie enfatiza el vasto potencial industrial de estos avances, ya que los materiales siempre han sido fundamentales para el progreso humano, desde materiales de construcción hasta dispositivos médicos. Sin embargo, la ruta tradicional para desarrollar nuevos materiales es lenta, a menudo requiere años de investigación que pueden ser prohibitivamente costosos, especialmente en industrias críticas como la energía y la atención médica. La inteligencia artificial tiene el poder de acelerar este proceso, permitiendo una identificación más rápida de materiales viables esenciales para innovaciones como el almacenamiento de energía sostenible o tecnologías médicas avanzadas. El investigador principal de AI for Science, Ziheng Lu, destaca que el aumento de la potencia computacional dentro de estas herramientas puede generar conocimientos significativos más rápido de lo anticipado. Las expectativas iniciales para las aplicaciones de aprendizaje automático que reducen los cálculos de mecánica cuántica fueron superadas debido a avances rápidos, lo que condujo a avances en la caracterización de propiedades de materiales y otras áreas. Dentro del equipo de AI for Science, la colaboración es clave. Las reuniones semanales y las interacciones en grupos más pequeños facilitan la integración de MatterGen y MatterSim, que trabajan juntas de manera altamente interconectada. Daniel Zügner, investigador senior, subrayó la importancia de su colaboración, permitiendo un enfoque más integral para el diseño de materiales. El equipo Azure Quantum de Microsoft colabora con AI for Science, aprovechando la computación de alto rendimiento y la tecnología cuántica para abordar desafíos complejos en química y ciencia de materiales. Esta asociación asegura que la investigación esté alineada estrechamente con las necesidades de la industria en el mundo real, acelerando la aplicación de los descubrimientos. Las historias de éxito recientes de MatterGen y MatterSim, que incluyen descargas generalizadas de herramientas y publicaciones notables, muestran su potencial para revolucionar la resolución de problemas complejos. Las contribuciones de la iniciativa se extienden a otros campos como la ciencia del clima y la biomedicina, reflejando un compromiso con la investigación impactante en lugar de simplemente métricas. En general, la iniciativa AI for Science enfatiza el desarrollo de soluciones prácticas con el potencial de beneficios significativos en el mundo real, destacando un futuro transformador para la ciencia de materiales y más allá.