IA mejora diseño de materiales con alta estabilidad química

Un nuevo método llamado CrysVCD permite que los modelos de inteligencia artificial generen diseños de materiales con 70 % de estabilidad en pruebas de dinámica de red, según un estudio publicado hoy en Nature Computational Science.

Los investigadores del MIT explican que los modelos actuales crean millones de propuestas en minutos, pero muchas resultan químicamente inestables, obligando a la industria a gastar grandes recursos en filtrarlas. El enfoque CrysVCD incorpora reglas de valencia electrónica antes de la generación costosa, garantizando que cada diseño cumpla con los requisitos básicos de química.

Con esta estrategia, varios modelos de materiales comunes lograron cumplir las reglas de capa de valencia con mayor frecuencia y superar la prueba de estabilidad de dinámica de red. El avance promete acelerar la incorporación de nuevos materiales en productos como chips y cohetes, reduciendo el tiempo y el costo de la fase de selección.