La inteligencia artificial descubre el ¡®acero toledano¡¯ del futuro

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 est¨¢ en la base de la Revoluci¨®n industrial de finales del siglo XVIII y el XIX. En el XX, las aleaciones de aluminio, titanio o las superaleaciones permitieron enormes saltos tecnol¨®gicos en coches, aviones, misiles, pr¨®tesis... En la segunda d¨¦cada de este milenio, una m¨¢quina ha descubierto varias aleaciones que igua...

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 est¨¢ en la base de la Revoluci¨®n industrial de finales del siglo XVIII y el XIX. En el XX, las aleaciones de aluminio, titanio o las superaleaciones permitieron enormes saltos tecnol¨®gicos en coches, aviones, misiles, pr¨®tesis... En la segunda d¨¦cada de este milenio, una m¨¢quina 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 investigaci¨®n t¨¦cnica europeos, desde el Instituto Max Planck de Investigaci¨®n Metal¨²rgica hasta la Universidad de Tecnolog¨ªa de Delft, pasando por el Real Instituto de Tecnolog¨ªa de Estocolmo, han creado ahora un sistema de aprendizaje de m¨¢quinas (machine learning, en ingl¨¦s) capaz de bucear entre millones de combinaciones entre los distintos elementos de la tabla peri¨®dica, encontrar 1.000 candidatos con las propiedades que les interesaban y analizarlos buscando los que te¨®ricamente tendr¨ªan un bajo coeficiente de expansi¨®n t¨¦rmica (la dilataci¨®n o contracci¨®n del material con el fr¨ªo o el calor). Seg¨²n publican en la revista Science, encontraron cuatro nuevas aleaciones con un coeficiente igual o inferior a las combinaciones m¨¢s inmunes a la temperatura usadas hasta ahora.

Hasta hace unos a?os, una aleaci¨®n era esencialmente una mezcla entre un metal principal y peque?as concentraciones de otros elementos de la tabla peri¨®dica. Las reglas de la metalurgia casi prohib¨ªan ir m¨¢s all¨¢. El director de IMDEA Materiales, Jos¨¦ Manuel Torralba, lo ejemplifica comparando un caf¨¦ con una aleaci¨®n basada en el hierro. ¡°Al disolver el az¨²car, obtienes un ¨²nico l¨ªquido con propiedades diferentes a las que tienen el caf¨¦ y el az¨²car por separado. En las aleaciones es similar, pero hay l¨ªmites a la proporci¨®n de otros elementos que puedes a?adir al hierro antes de que haya precipitados que ya no forman parte de la aleaci¨®n principal y en general empeorando sus propiedades¡±. Todo esto salt¨® por los aires en 2004: ¡°Entonces, dos grupos independientes combinaron cinco elementos en proporciones similares, viendo que formaban una ¨²nica soluci¨®n ¨²nica¡±, afirma. Esto abri¨® una nueva era en la ciencia de los materiales, la de las aleaciones de alta entrop¨ªa. Pero hab¨ªa 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 a?adidos) era una tarea dif¨ªcil, pero factible. Antes de este momento, la adici¨®n de muchos elementos de aleaci¨®n en grandes proporciones representaba un problema. En las de alta entrop¨ªa, las posibles nuevas composiciones de decenas de elementos y sus distintas concentraciones se estima que superar¨ªan las 10??. Una cantidad imposible de manejar para los humanos, pero menos para las m¨¢quinas.

¡°Comparado con los m¨¦todos tradicionales, el aprendizaje de m¨¢quinas es mucho m¨¢s eficiente, ahorrando tiempo y esfuerzo¡±

Ziyuan Rao, cient¨ªfico del Instituto Max Planck de Investigaci¨®n Metal¨²rgica

El investigador del Instituto Max Planck y primer autor de la investigaci¨®n, Ziyuan Rao comenta la principal ventaja de su sistema de inteligencia artificial (IA): ¡°Comparado con los m¨¦todos tradicionales, el aprendizaje de m¨¢quinas es mucho m¨¢s 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 Metal¨²rgicas (CENIM-CSIC) Carlos Capdevila, ¡°las forjaban con carb¨®n de los montes cercanos, que conten¨ªa m¨¢s carbono que otras espadas de Europa, d¨¢ndoles m¨¢s dureza¡±. En la actualidad la ciencia de los materiales se apoya en programas inform¨¢ticos y modelos que ahorran c¨¢lculos y anticipan resultados, pero el trabajo determinante sigue siendo humano.

El sistema de inteligencia artificial de Rao y sus colegas consta de tres pasos b¨¢sicos. Primero usan un modelo que genera nuevas mezclas partiendo de un base de datos que los investigadores hab¨ªan previamente reunido. ¡°Esto se debe a que las aleaciones de alta entrop¨ªa 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 ¨²ltimo paso, el sistema punt¨²a 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 as¨ª a cuatro nuevas aleaciones que compararon con el invar. Se trata de una aleaci¨®n que, en su mezcla original, ten¨ªa un 64% de hierro, otro 36% de n¨ªquel y peque?as cantidades de manganeso, carbono y cromo. Descubierta a finales del XIX, cuyo descubrimiento le vali¨® el Nobel a su creador, el suizo Charles ?douard Guillaume, ten¨ªa un baj¨ªsimo coeficiente de expansi¨®n t¨¦rmica. Al no verse afectado por los cambios t¨¦rmicos, fue esencial y lo sigue siendo en el dise?o de instrumentos de precisi¨®n, relojes, p¨¦ndulos, v¨¢lvulas de motores, mec¨¢nica de la ¨®ptica 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 expansi¨®n t¨¦rmica m¨¢s bajo de las aleaciones de alta o media entrop¨ªa¡±.

Stefan Bauer, investigador del Real Instituto de Tecnolog¨ªa de Estocolmo y uno de los autores s¨¦nior de esta investigaci¨®n, recuerda en una nota: ¡°Los modelos de aprendizaje autom¨¢tico han tenido un ¨¦xito incre¨ªble cuando hay cantidades ilimitadas de datos disponibles, por ejemplo, en videojuegos. Sin embargo, en el mundo real, es mucho m¨¢s dif¨ªcil 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 f¨ªsicamente nuevas aleaciones¡±. Una vez demostrada su val¨ªa con la expansi¨®n t¨¦rmica, los cient¨ªficos pretenden usar su sistema de aprendizaje de m¨¢quinas para investigar otras propiedades, como el magnetismo, en otros materiales.

Jon Mikel S¨¢nchez es investigador en materiales avanzados en Tecnalia. Hace unos a?os hizo su tesis doctoral sobre las aleaciones de alta entrop¨ªa. Cuando se le pregunta por las posibles propiedades m¨¢s all¨¢ de la expansi¨®n t¨¦rmica de estas aleaciones y sus posibles aplicaciones, casi le falta papel. ¡°Hay tantas aleaciones que han mejorado las tradicionales en muchos aspectos. Algunos cient¨ªficos comparan su descubrimiento con el de los aceros¡±. Unas tienen mejores propiedades magnetot¨¦rmicas. Otras tienen un mejor rendimiento criog¨¦nico, clave para el almacenamiento de combustibles. Tambi¨¦n recuerda una aleaci¨®n de alta entrop¨ªa de titanio que supera en anticorrosi¨®n a la mejor aleaci¨®n de titanio usada hoy en pr¨®tesis. ¡°Por ¨²ltimo, de las m¨¢s importantes y la que mejor entendemos los mortales, mejores propiedades estructurales (piezas de veh¨ªculos, por ejemplo) sobre todo a altas temperaturas¡±. De ah¨ª, opina S¨¢nchez, la relevancia de estos trabajos. ¡°Aplicar IA para descubrir nuevas aleaciones es bastante nuevo. Descubrir nuevos materiales por estos m¨¦todos es un avance significativo¡±, dice.

Capdevila, el director de CENIM, comenta que descubrir una nueva aleaci¨®n o mejorar las propiedades de las ya existentes modificando ligeramente su composici¨®n tiene sus ventajas. Pone el ejemplo de la cubierta que le van a poner al campo de f¨²tbol Santiago Bernab¨¦u. Los aceros inoxidables tienen una elevada reflectancia y sin modificarlos, ¡°la temperatura en las terrazas de alrededor ser¨ªan muy altas¡±. Sin embargo, la aleaci¨®n que pondr¨¢n neutraliza la mayor parte del calor. ¡°Descubrir una nueva aleaci¨®n ser¨ªa para una tesis doctoral de cuatro o cinco a?os, ahora la m¨¢quina lo hace en unos d¨ªas¡±. Pero Capdevila destaca que la parte humana sigue estando ah¨ª. ¡°Es poder de c¨¢lculo, pero yo, humano, le digo qu¨¦ par¨¢metros me interesan¡±.

Torralba, el director de IMDEA Materiales, est¨¢ convencido de que las aleaciones de alta entrop¨ªa est¨¢n iniciando una nueva era. Prometen mejoras en propiedades muy demandadas, como ciertas propiedades magn¨¦ticas, la alta resistencia a la corrosi¨®n, la mayor tolerancia a las temperaturas extremas o a los cambios t¨¦rmicos... y recuerda que uno de los obst¨¢culos al desarrollo de la energ¨ªa de fusi¨®n es la falta de un material que pueda soportar las altas temperaturas que se generan en un reactor de fusi¨®n. ¡°En todas las tecnolog¨ªas, el avance depende de que existan los materiales necesarios¡±, recuerda.

Puedes seguir a EL PA?S TECNOLOG?A en Facebook y Twitter o apuntarte aqu¨ª para recibir nuestra newsletter semanal.