Un grupo de investigadores de la Universidad de New Hampshire usó inteligencia artificial para acelerar la búsqueda de nuevos materiales magnéticos funcionales, creando una base de datos enorme con 67 573 opciones.

Entre ellas aparecen 25 compuestos que nadie había reconocido antes y que mantienen su magnetismo incluso a temperaturas altas, algo valioso para muchas tecnologías actuales.

Según Suman Itani, autor principal y doctorando en física, este avance puede reducir la dependencia de tierras raras, abaratar vehículos eléctricos y reforzar la industria estadounidense. 

El problema de las tierras raras 

La nueva base de datos, llamada Northeast Materials Database, permite explorar con más facilidad los materiales magnéticos que sostienen casi todo lo moderno: celulares, equipos médicos, generadores y autos eléctricos.

El problema es que muchos de esos imanes dependen de tierras raras costosas, importadas y cada vez más difíciles de conseguir, lo que complica la innovación en este campo.

Además, pese a conocer miles de compuestos con potencial, no se había encontrado un nuevo imán permanente dentro de esa enorme variedad.

El estudio, publicado en Nature Communications, detalla cómo el equipo creó un sistema de inteligencia artificial capaz de leer artículos científicos y extraer detalles experimentales cruciales.

Con esa información alimentaron modelos computacionales que determinan si un material es magnético y hasta qué temperatura mantiene ese comportamiento.

Luego organizaron todo en una sola base consultable que permite filtrar, comparar y buscar materiales sin necesidad de revisar cientos de documentos.

Los científicos saben que existen muchos compuestos magnéticos aún no descubiertos, pero probar millones de combinaciones posibles en un laboratorio toma demasiado tiempo y dinero.

Jiadong Zang, profesor de física y coautor, afirma que este proyecto enfrenta uno de los mayores retos en ciencia de materiales: encontrar alternativas sostenibles para los imanes permanentes.

El equipo confía en que la nueva base experimental y el crecimiento de las tecnologías de inteligencia artificial harán posible ese objetivo en un futuro cercano. 

Otras aplicaciones 

En el trabajo también participa Yibo Zhang, investigador posdoctoral en física y química, quien resalta que el modelo de lenguaje usado podría tener aplicaciones mucho más amplias.

Por ejemplo, podría transformar imágenes en texto moderno, lo que serviría para actualizar colecciones completas en bibliotecas y facilitar el acceso a información histórica.

Este tipo de herramientas abre la puerta a métodos más rápidos y prácticos para manejar conocimiento científico, algo necesario en un mundo que genera datos a gran velocidad.

Con esta iniciativa, la búsqueda de materiales magnéticos prometedores se vuelve menos lenta y más accesible, ofreciendo nuevas oportunidades para impulsar tecnologías limpias y eficientes.