La inteligencia artificial descubre el ‘acero toledano’ del futuro

Un programa consigue materiales casi inmunes a las temperaturas más extremas y con capacidades que superan las conseguidas por los humanos

En la imagen, operarios cortan láminas de titanio en una factoría de Daming International Holdings Co. en Wuxi, China.
En la imagen, operarios cortan láminas de titanio en una factoría de Daming International Holdings Co. en Wuxi, China.VCG (VCG via Getty Images)

Durante milenios, los humanos se han impuesto a la naturaleza o a otros humanos dominando el arte de fundir y mezclar metales: a la Edad del Cobre le siguieron la del Bronce o la del Hierro. El acero moderno está en la base de la Revolución industrial de finales del siglo XVIII y el XIX. En el XX, las aleaciones de aluminio, titanio o las superaleaciones permitieron enormes saltos tecnológicos en coches, aviones, misiles, prótesis... En la segunda década de este milenio, una máquina ha descubierto varias aleaciones que igualan y hasta superan a las creadas por los humanos en alguna de sus propiedades.

Un grupo de investigadores de prestigiosos centros de investigación técnica europeos, desde el Instituto Max Planck de Investigación Metalúrgica hasta la Universidad de Tecnología de Delft, pasando por el Real Instituto de Tecnología de Estocolmo, han creado ahora un sistema de aprendizaje de máquinas (machine learning, en inglés) capaz de bucear entre millones de combinaciones entre los distintos elementos de la tabla periódica, encontrar 1.000 candidatos con las propiedades que les interesaban y analizarlos buscando los que teóricamente tendrían un bajo coeficiente de expansión térmica (la dilatación o contracción del material con el frío o el calor). Según publican en la revista Science, encontraron cuatro nuevas aleaciones con un coeficiente igual o inferior a las combinaciones más inmunes a la temperatura usadas hasta ahora.

Hasta hace unos años, una aleación era esencialmente una mezcla entre un metal principal y pequeñas concentraciones de otros elementos de la tabla periódica. Las reglas de la metalurgia casi prohibían ir más allá. El director de IMDEA Materiales, José Manuel Torralba, lo ejemplifica comparando un café con una aleación basada en el hierro. “Al disolver el azúcar, obtienes un único líquido con propiedades diferentes a las que tienen el café y el azúcar por separado. En las aleaciones es similar, pero hay límites a la proporción de otros elementos que puedes añadir al hierro antes de que haya precipitados que ya no forman parte de la aleación principal y en general empeorando sus propiedades”. Todo esto saltó por los aires en 2004: “Entonces, dos grupos independientes combinaron cinco elementos en proporciones similares, viendo que formaban una única solución única”, afirma. Esto abrió una nueva era en la ciencia de los materiales, la de las aleaciones de alta entropía. Pero había un nuevo reto: buscar nuevas combinaciones entre un elemento principal y cantidades menores de otros dos o tres (el acero es hierro con tres o cuatro añadidos) era una tarea difícil, pero factible. Antes de este momento, la adición de muchos elementos de aleación en grandes proporciones representaba un problema. En las de alta entropía, las posibles nuevas composiciones de decenas de elementos y sus distintas concentraciones se estima que superarían las 10⁷⁸. Una cantidad imposible de manejar para los humanos, pero menos para las máquinas.

“Comparado con los métodos tradicionales, el aprendizaje de máquinas es mucho más eficiente, ahorrando tiempo y esfuerzo”
Ziyuan Rao, científico del Instituto Max Planck de Investigación Metalúrgica

El investigador del Instituto Max Planck y primer autor de la investigación, Ziyuan Rao comenta la principal ventaja de su sistema de inteligencia artificial (IA): “Comparado con los métodos tradicionales, el aprendizaje de máquinas es mucho más eficiente, ahorrando tiempo y esfuerzo”, dice. En la mayor parte de la historia, el descubrimiento de nuevas aleaciones con mejores propiedades se ha basado en el ensayo y error, el conocimiento acumulado por los artesanos o directamente la serendipia. Es el caso del acero toledano, cuyas espadas fueron temidas durante siglos. Como recuerda el director del Centro Nacional de Investigaciones Metalúrgicas (CENIM-CSIC) Carlos Capdevila, “las forjaban con carbón de los montes cercanos, que contenía más carbono que otras espadas de Europa, dándoles más dureza”. En la actualidad la ciencia de los materiales se apoya en programas informáticos y modelos que ahorran cálculos y anticipan resultados, pero el trabajo determinante sigue siendo humano.

El sistema de inteligencia artificial de Rao y sus colegas consta de tres pasos básicos. Primero usan un modelo que genera nuevas mezclas partiendo de un base de datos que los investigadores habían previamente reunido. “Esto se debe a que las aleaciones de alta entropía tienen un espectro de composiciones enorme y es casi imposible cubrir todas las posibles composiciones”, detalla. En un segundo paso usan otro modelo para predecir las propiedades de las composiciones que obtuvieron en el primero. En un último paso, el sistema puntúa los candidatos (en este caso 1.000) combinando el coeficiente esperado de cada uno con su grado de novedad.

De un Nobel del XIX a un sistema del XXI

Llegaron así a cuatro nuevas aleaciones que compararon con el invar. Se trata de una aleación que, en su mezcla original, tenía un 64% de hierro, otro 36% de níquel y pequeñas cantidades de manganeso, carbono y cromo. Descubierta a finales del XIX, cuyo descubrimiento le valió el Nobel a su creador, el suizo Charles Édouard Guillaume, tenía un bajísimo coeficiente de expansión térmica. Al no verse afectado por los cambios térmicos, fue esencial y lo sigue siendo en el diseño de instrumentos de precisión, relojes, péndulos, válvulas de motores, mecánica de la óptica de los telescopios... Rao asegura que dos de las aleaciones creadas por su sistema de inteligencia igualan a las aleaciones invar y otras dos “tienen el coeficiente de expansión térmica más bajo de las aleaciones de alta o media entropía”.

Stefan Bauer, investigador del Real Instituto de Tecnología de Estocolmo y uno de los autores sénior de esta investigación, recuerda en una nota: “Los modelos de aprendizaje automático han tenido un éxito increíble cuando hay cantidades ilimitadas de datos disponibles, por ejemplo, en videojuegos. Sin embargo, en el mundo real, es mucho más difícil encontrar casos de uso en los que la inteligencia artificial marque la diferencia. Es muy emocionante ver que las predicciones no solo se probaron en simulaciones, sino que se crearon y demostraron físicamente nuevas aleaciones”. Una vez demostrada su valía con la expansión térmica, los científicos pretenden usar su sistema de aprendizaje de máquinas para investigar otras propiedades, como el magnetismo, en otros materiales.

La ilustración compara una aleación convencional, a la izquierda, con la mayoría de sus moléculas de un determinado elemento, y una aleación de alta entropía, formada por moléculas de diversos elementos y en proporciones similares.
La ilustración compara una aleación convencional, a la izquierda, con la mayoría de sus moléculas de un determinado elemento, y una aleación de alta entropía, formada por moléculas de diversos elementos y en proporciones similares.S Venkatesh Kumaran/IMDEA MATERIALES

Jon Mikel Sánchez es investigador en materiales avanzados en Tecnalia. Hace unos años hizo su tesis doctoral sobre las aleaciones de alta entropía. Cuando se le pregunta por las posibles propiedades más allá de la expansión térmica de estas aleaciones y sus posibles aplicaciones, casi le falta papel. “Hay tantas aleaciones que han mejorado las tradicionales en muchos aspectos. Algunos científicos comparan su descubrimiento con el de los aceros”. Unas tienen mejores propiedades magnetotérmicas. Otras tienen un mejor rendimiento criogénico, clave para el almacenamiento de combustibles. También recuerda una aleación de alta entropía de titanio que supera en anticorrosión a la mejor aleación de titanio usada hoy en prótesis. “Por último, de las más importantes y la que mejor entendemos los mortales, mejores propiedades estructurales (piezas de vehículos, por ejemplo) sobre todo a altas temperaturas”. De ahí, opina Sánchez, la relevancia de estos trabajos. “Aplicar IA para descubrir nuevas aleaciones es bastante nuevo. Descubrir nuevos materiales por estos métodos es un avance significativo”, dice.

Capdevila, el director de CENIM, comenta que descubrir una nueva aleación o mejorar las propiedades de las ya existentes modificando ligeramente su composición tiene sus ventajas. Pone el ejemplo de la cubierta que le van a poner al campo de fútbol Santiago Bernabéu. Los aceros inoxidables tienen una elevada reflectancia y sin modificarlos, “la temperatura en las terrazas de alrededor serían muy altas”. Sin embargo, la aleación que pondrán neutraliza la mayor parte del calor. “Descubrir una nueva aleación sería para una tesis doctoral de cuatro o cinco años, ahora la máquina lo hace en unos días”. Pero Capdevila destaca que la parte humana sigue estando ahí. “Es poder de cálculo, pero yo, humano, le digo qué parámetros me interesan”.

Torralba, el director de IMDEA Materiales, está convencido de que las aleaciones de alta entropía están iniciando una nueva era. Prometen mejoras en propiedades muy demandadas, como ciertas propiedades magnéticas, la alta resistencia a la corrosión, la mayor tolerancia a las temperaturas extremas o a los cambios térmicos... y recuerda que uno de los obstáculos al desarrollo de la energía de fusión es la falta de un material que pueda soportar las altas temperaturas que se generan en un reactor de fusión. “En todas las tecnologías, el avance depende de que existan los materiales necesarios”, recuerda.

Puedes seguir a EL PAÍS TECNOLOGÍA en Facebook y Twitter o apuntarte aquí para recibir nuestra newsletter semanal.

Sobre la firma

Miguel Ángel Criado

Es cofundador de Materia y escribe de tecnología, inteligencia artificial, cambio climático, antropología… desde 2014. Antes pasó por Público, Cuarto Poder y El Mundo. Es licenciado en CC. Políticas y Sociología.

Normas

Más información

Archivado En

Recomendaciones EL PAÍS
Recomendaciones EL PAÍS
Recomendaciones EL PAÍS