CuspAI reúne a Nvidia, Meta y Samsung para crear materiales con IA

¿Qué ha ocurrido?

El lunes, el laboratorio británico de inteligencia artificial CuspAI anunció el lanzamiento de la AI Materials Foundry, una coalición que reúne a más de 45 empresas y laboratorios de investigación de todo el mundo. Los socios fundadores incluyen gigantes tecnológicos como Nvidia, Meta, Samsung, Hyundai Motor y el Laboratorio Nacional Lawrence Berkeley, según reportó Reuters. La iniciativa cuenta con una financiación inicial de 450 millones de dólares, una cifra que refleja la creciente apuesta de la industria por la IA aplicada a la ciencia de materiales.

CuspAI, fundada hace apenas dos años en Cambridge (Reino Unido), se ha propuesto construir un 'motor de búsqueda' para materiales que aún no existen. La plataforma combinará modelos generativos de IA para proponer nuevas estructuras moleculares, simulaciones computacionales para predecir sus propiedades físicas y químicas, y robots autónomos para sintetizar y probar los candidatos más prometedores en el laboratorio. De esta forma, se pretende acelerar drásticamente el ciclo de descubrimiento de materiales, que tradicionalmente puede llevar décadas desde la concepción hasta la comercialización.

La AI Materials Foundry no es el primer proyecto de este tipo, pero sí el que cuenta con mayor respaldo financiero y una base de socios más amplia. Proyectos como el Materials Project, liderado por el MIT, o las investigaciones de Google DeepMind en predicción de estructuras cristalinas han demostrado el potencial de la IA, pero hasta ahora los esfuerzos estaban fragmentados y carecían de una infraestructura unificada. CuspAI busca integrar todas las etapas del descubrimiento en una sola plataforma, desde la generación de candidatos hasta la validación experimental.

¿Por qué es importante?

El descubrimiento de nuevos materiales es un cuello de botella crítico para la innovación en sectores clave como la energía, la electrónica, la construcción y la sostenibilidad. Por ejemplo, mejorar las baterías de estado sólido para vehículos eléctricos, crear semiconductores más eficientes para la computación cuántica o desarrollar materiales biodegradables que reduzcan la contaminación plástica requiere materiales que aún no existen y cuyas propiedades deben ser descubiertas mediante ensayo y error. La IA generativa aplicada a la ciencia de materiales ha mostrado resultados prometedores en los últimos años: en 2023, DeepMind publicó en Nature un modelo capaz de predecir las estructuras de más de 380.000 materiales hipotéticos, algunos de los cuales podrían tener aplicaciones en superconductividad o almacenamiento de energía. Sin embargo, la validación experimental de esos candidatos sigue siendo un proceso lento y costoso.

La AI Materials Foundry aspira a crear una infraestructura compartida que democratice el acceso a estas herramientas. Según declaraciones del CEO de CuspAI recogidas por Reuters, la plataforma será abierta a la comunidad científica y a la industria, aunque los socios fundadores tendrán acceso prioritario a los resultados y a la capacidad de cómputo. Este modelo recuerda a la estrategia de OpenAI con ChatGPT, que ofreció acceso gratuito inicial para atraer usuarios y luego lanzó versiones de pago, pero enfocado en la ciencia de materiales. La diferencia clave es que aquí los datos generados serán públicos en su mayoría, lo que podría acelerar el progreso científico global.

Además, la iniciativa llega en un momento en que la demanda de nuevos materiales es urgente. La transición energética requiere baterías con mayor densidad energética y menor costo, la industria electrónica necesita semiconductores que superen las limitaciones del silicio, y la construcción busca hormigones con menor huella de carbono. La IA podría ser la herramienta que rompa el estancamiento en la innovación de materiales que se ha observado en las últimas décadas.

¿Qué consecuencias tendrá?

Si la AI Materials Foundry tiene éxito, podría reducir el tiempo de desarrollo de nuevos materiales de décadas a meses. Esto tendría un impacto directo en múltiples industrias: baterías más baratas y eficientes acelerarían la adopción de vehículos eléctricos y el almacenamiento de energía renovable; chips más rápidos y eficientes impulsarían la computación de alto rendimiento y la inteligencia artificial; y materiales biodegradables o reciclables ayudarían a mitigar la crisis de residuos. Un informe de la consultora McKinsey estima que la IA aplicada a materiales podría generar un valor económico de hasta 200.000 millones de dólares anuales para 2030, principalmente a través de la reducción de costos de I+D y la aceleración de la comercialización.

Sin embargo, persisten desafíos técnicos significativos. La predicción de propiedades mediante modelos generativos sigue siendo imperfecta: los algoritmos pueden proponer estructuras que son teóricamente estables pero que no pueden sintetizarse en la práctica, o cuyas propiedades reales difieren de las simuladas. Además, la síntesis robótica aún es limitada: los robots actuales pueden manejar un número reducido de reacciones químicas y no son capaces de replicar la versatilidad de un químico humano. La validación experimental seguirá siendo un cuello de botella hasta que la automatización avance lo suficiente.

Desde el punto de vista competitivo, el consorcio refuerza la posición de Nvidia en el mercado de hardware para IA, ya que proporcionará las GPUs necesarias para las simulaciones y el entrenamiento de modelos. Meta y Samsung, por su parte, buscan asegurarse materiales clave para sus productos futuros, como pantallas plegables, baterías de alto rendimiento o componentes para realidad virtual. Hyundai Motor, que invierte fuertemente en vehículos eléctricos y pilas de combustible, espera obtener materiales que mejoren la eficiencia de sus baterías. El Laboratorio Nacional Lawrence Berkeley, uno de los centros de investigación más prestigiosos de EE.UU., aportará su experiencia en caracterización de materiales y síntesis avanzada.

La iniciativa también podría tener un impacto geopolítico. Actualmente, China domina la cadena de suministro de tierras raras y otros materiales críticos para la tecnología. Si la AI Materials Foundry logra descubrir alternativas sintéticas o sustitutos más abundantes, podría reducir la dependencia de las importaciones chinas y reconfigurar el mapa geopolítico de los recursos estratégicos. Esto explicaría el interés de gobiernos y grandes corporaciones en apoyar el proyecto.

¿Qué deben saber los lectores?

• Plazo: La plataforma estará operativa en fases. Los primeros resultados de la fase de generación y simulación se esperan para finales de 2026, mientras que la validación experimental con robots comenzará en 2027. Se prevé que los primeros materiales descubiertos mediante la plataforma lleguen al mercado en 2030.
• Acceso: Habrá una versión gratuita para investigadores académicos y startups, con acceso limitado a los modelos y a la capacidad de cómputo. Las empresas podrán adquirir suscripciones con niveles de acceso escalonados, desde consultas básicas hasta paquetes premium que incluyen validación experimental prioritaria.
• Riesgos: La dependencia de datos sintéticos generados por IA y la falta de validación experimental exhaustiva podrían generar falsos positivos, es decir, materiales que en la simulación parecen prometedores pero que en la realidad no funcionan. Además, existe el riesgo de que los modelos reproduzcan sesgos presentes en los datos de entrenamiento, como una sobrerrepresentación de ciertos tipos de materiales.
• Competencia: Proyectos similares como el Materials Project del MIT (que cuenta con un catálogo de más de 140.000 materiales), la iniciativa de Google DeepMind (GNoME, que predijo 380.000 materiales estables) o el European Materials Modelling Council ya existen, pero CuspAI apuesta por un enfoque más integrado, combinando generación, simulación y experimentación en una sola plataforma, y con una financiación muy superior. Además, la participación de grandes corporaciones le da un acceso privilegiado a recursos computacionales y a necesidades industriales reales.

“Queremos hacer por los materiales lo que Google hizo por la información: organizarlos y hacerlos accesibles”, declaró el CEO de CuspAI a Reuters. “Pero además, queremos crearlos”.

En resumen, la AI Materials Foundry representa un paso ambicioso hacia la automatización del descubrimiento de materiales, con el potencial de transformar industrias enteras. Sin embargo, su éxito dependerá de superar los desafíos técnicos y de la capacidad de la coalición para mantenerse unida y enfocada en objetivos comunes. Los próximos años serán cruciales para determinar si esta iniciativa se convierte en un hito o en un experimento fallido más.