Durante milenios, los humanos se han impuesto a la naturaleza o a otros humanos al dominar el arte de fundir y mezclar metales: A la Edad del Cobre le siguió la Edad del Bronce o del Hierro.. El acero moderno está en la base de la Revolución Industrial de finales del siglo XVIII y XIX. En el siglo XX, las aleaciones de aluminio, el 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 e incluso superan a las creadas por los humanos en algunas de sus propiedades.
Un grupo de investigadores de prestigiosos centros europeos de investigación técnica, desde el Max Planck Institute for Metallurgical Research hasta la Delft University of Technology, pasando por el Royal Institute of Technology de Estocolmo, han creado ahora un sistema de aprendizaje automático (machine learning, en inglés) capaz de bucear entre millones de combinaciones entre los diferentes elementos de la tabla periódica, encontrando 1.000 candidatos con las propiedades que les interesaban y analizándolos buscando aquellos que teóricamente tendrían un bajo coeficiente de expansión térmica (la expansión o contracción del material con frío o calor). Según lo publicado en la revista Ciencias, encontrado cuatro nuevas aleaciones con un coeficiente igual o menor que la mayoría de las combinaciones termoinmunes utilizadas hasta el momento.
Hasta hace unos años, una aleación era esencialmente una mezcla entre un metal base 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 Honrubia, lo ejemplifica comparando un café con una aleación a base de hierro. “Al disolver el azúcar se obtiene un único líquido con propiedades diferentes a las del café y el azúcar por separado. En las aleaciones es similar, pero hay límites en la proporción de otros elementos que se le pueden agregar al hierro antes de que haya precipitados que ya no forman parte de la aleación principal y generalmente empeoran sus propiedades”. Todo esto saltó por los aires en 2004: “Luego, dos grupos independientes combinaron cinco elementos en proporciones similares, al ver que formaban una única solución única”, dice. Esto abrió una nueva era en la ciencia de los materiales, la de las aleaciones de alta entropía. Pero había un nuevo desafío: encontrar nuevas combinaciones entre un elemento principal y cantidades más pequeñas de otros dos o tres (acero es hierro con tres o cuatro adiciones) era una tarea difícil, pero factible. Antes de este tiempo, la adición de muchos elementos de aleación en grandes proporciones era un problema. En los de alta entropía, se estima que las posibles nuevas composiciones de decenas de elementos y sus diferentes concentraciones superan los 10⁷⁸. Una cantidad imposible de manejar para los humanos, pero menos para las máquinas.
“Comparado con los métodos tradicionales, el aprendizaje automático 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 sobre la principal ventaja de su sistema de inteligencia artificial (IA): “En comparación con los métodos tradicionales, el aprendizaje automático es mucho más eficiente, ahorrando tiempo y esfuerzo”. dice. Durante 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 en la casualidad. Este 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 vegetal de las montañas cercanas, que contenía más carbono que otras espadas de Europa, lo que les daba más dureza”. La ciencia de los materiales actualmente se basa en programas y modelos informáticos que ahorran cálculos y anticipan resultados, pero el trabajo decisivo 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 a partir de una base de datos que los investigadores habían reunido previamente. “Esto se debe a que las aleaciones de alta entropía tienen un espectro compositivo enorme y es casi imposible abarcar todas las composiciones posibles”, detalla. En un segundo paso, utilizan otro modelo para predecir las propiedades de las composiciones que obtuvieron en el primero. En un paso final, el sistema puntúa a los candidatos (en este caso 1.000) combinando el coeficiente esperado de cada uno con su grado de novedad.
De un Nobel del siglo XIX a un sistema del siglo XXI
Llegaron así a cuatro nuevas aleaciones que compararon con el invar. Es una aleación que, en su mezcla original, tenía un 64% de hierro, otro 36% de níquel y pequeñas cantidades de manganeso, carbono y cromo. Descubierto a finales del siglo XIX, cuyo descubrimiento le valió el Premio Nobel a su creador, el suizo Charles Édouard Guillaume, tenía un coeficiente de dilatación térmica muy bajo. Al no verse afectado por los cambios térmicos, fue y sigue siendo fundamental en el diseño de instrumentos de precisión, relojes, péndulos, válvulas de motor, mecánica de la óptica de telescopios… Rao asegura que dos de las aleaciones creadas por su sistema de inteligencia equivalen a aleaciones de invar y otros dos “tienen el coeficiente de expansión térmica más bajo de las aleaciones de alta o media entropía”.
Stefan Bauer, investigador del Instituto Real de Tecnología de Estocolmo y uno de los autores principales 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”. Habiendo demostrado su valor con la expansión térmica, los científicos tienen la intención de utilizar su sistema de aprendizaje automático para investigar otras propiedades, como el magnetismo, en otros materiales.
Jon Mikel Sánchez es investigador en materiales avanzados en Tecnalia. Hace unos años realizó su tesis doctoral sobre aleaciones de alta entropía. Cuando se le pregunta sobre las posibles propiedades más allá de la expansión térmica de estas aleaciones y sus posibles aplicaciones, casi se queda sin papel. “Hay tantas aleaciones que han mejorado las tradicionales en muchos aspectos. Algunos científicos comparan su descubrimiento con el de los aceros”. Algunos tienen mejores propiedades magnetotérmicas. Otros tienen un mejor rendimiento criogénico, clave para el almacenamiento de combustible. También recuerda una aleación de titanio de alta entropía que supera a la mejor aleación de titanio utilizada actualmente en prótesis. “Por último, uno de los más importantes y que mejor entienden los mortales, mejores propiedades estructurales (piezas de vehículos, por ejemplo) especialmente a altas temperaturas”. De ahí, cree 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, director del 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 van a poner en el campo de fútbol del Santiago Bernabéu. Los aceros inoxidables tienen una alta reflectancia y sin modificarlos, “la temperatura en las terrazas circundantes sería muy alta”. Sin embargo, la aleación que colocarán 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 pocos días”. Pero Capdevila destaca que la parte humana sigue ahí. “Es poder de cómputo, pero yo, humano, le digo qué parámetros me interesan”.
Torralba, 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, alta resistencia a la corrosión, mayor tolerancia a temperaturas extremas o cambios térmicos… y recordemos que uno de los obstáculos para el desarrollo de la energía de fusión es la falta de un material que puede soportar las altas temperaturas generadas en un reactor de fusión. “En todas las tecnologías, el progreso depende de que se disponga de los materiales necesarios”, recuerda.
Puedes seguir EL PAÍS TECNOLOGÍA en Facebook y Gorjeo o regístrate aquí para recibir nuestros boletín semanal.
Leave a Reply