En un laboratorio con vistas a una concurrida calle llena de tiendas en Cambridge, Massachusetts (EE.UU.), un robot intenta crear nuevos materiales. Un brazo rob\u00f3tico sumerge una pipeta en una fuente y transfiere una peque\u00f1a cantidad de un l\u00edquido brillante a uno de los muchos recipientes que se encuentran en frente de otra m\u00e1quina.<\/p>\n
Cuando todas las muestras est\u00e1n listas, la segunda m\u00e1quina comprueba sus propiedades \u00f3pticas y los resultados se env\u00edan a un ordenador que controla el brazo. El software analiza los resultados de estos experimentos, formula algunas hip\u00f3tesis y despu\u00e9s vuelve a iniciar el proceso. Los humanos apenas son necesarios.<\/p>\n
Esta instalaci\u00f3n, desarrollada por una start-up llamada Kebotix, ofrece indicios de c\u00f3mo el aprendizaje autom\u00e1tico y la automatizaci\u00f3n rob\u00f3tica podr\u00edan revolucionar la ciencia de los materiales en los pr\u00f3ximos a\u00f1os. La compa\u00f1\u00eda cree que encontrar\u00eda nuevos compuestos que podr\u00edan, entre otras cosas, absorber la contaminaci\u00f3n, combatir las infecciones por hongos resistentes a los medicamentos y servir como componentes optoelectr\u00f3nicos m\u00e1s eficientes. El software de la empresa aprende de modelos tridimensionales de mol\u00e9culas con propiedades conocidas.<\/p>\n
Los algoritmos de software ya se utilizan para dise\u00f1ar compuestos y materiales qu\u00edmicos, pero el proceso es lento y rudimentario. Generalmente, una m\u00e1quina simplemente prueba ligeras variaciones de un material, buscando a ciegas una nueva creaci\u00f3n viable. El aprendizaje autom\u00e1tico y la rob\u00f3tica podr\u00edan hacer que el proceso sea mucho m\u00e1s r\u00e1pido y efectivo. Kebotix es una de las start-ups que trabajan en esta idea.<\/p>\n
El objetivo es utilizar el aprendizaje autom\u00e1tico para generar materiales candidatos. \u201cEl descubrimiento es demasiado lento\u201d, dice el CEO de Kebotix, Jill Becker. \u201cTenemos una idea para un material, intentamos crearlo e intentamos probarlo. Pero pocas ideas se prueban, y a\u00fan menos consiguen resultados\u201d.<\/p>\n
Adem\u00e1s, Kebotix usa otra red neuronal para eliminar dise\u00f1os que se alejan demasiado del original y, por lo tanto, probablemente sean in\u00fatiles. Despu\u00e9s, el sistema rob\u00f3tico de la compa\u00f1\u00eda prueba las estructuras qu\u00edmicas restantes. Los resultados de esos experimentos se pueden enviar de nuevo al canal de aprendizaje autom\u00e1tico, ayudando a que se acerque m\u00e1s a las propiedades qu\u00edmicas deseadas. La compa\u00f1\u00eda denomina al sistema general como un \u201claboratorio aut\u00f3nomo\u201d.<\/p>\n
El director de producto de la compa\u00f1\u00eda, Christoph Kreisbeck, afirma que Kebotix comenzar\u00e1 a trabajar con mol\u00e9culas para las aplicaciones electr\u00f3nicas y luego intentar\u00e1 abordar nuevos pol\u00edmeros y aleaciones.<\/p>\n
\u201cLa IA [inteligencia artificial] predice y planifica qu\u00e9 hacer a continuaci\u00f3n. El sistema de automatizaci\u00f3n rob\u00f3tico prueba muy r\u00e1pidamente nuestra nueva mol\u00e9cula\u201d, explica Kreisbeck. \u201cLa m\u00e1quina puede aprender de la base de datos y tomar una mejor decisi\u00f3n para la pr\u00f3xima ronda\u201d.<\/p>\n
Kebotix fue fundada por investigadores que trabajaban en el laboratorio de Harvard (EE.UU.) del profesor Al\u00e1n Aspuru-Guzik, quien dej\u00f3 Harvard a principios de este a\u00f1o para crear un laboratorio en la Universidad de Toronto en Canad\u00e1. Kebotix, con sede en el fondo de capital riesgo The Engine del Instituto de Tecnolog\u00eda de Massachusetts (MIT, EE.UU.), recibi\u00f3 recientemente 5 millones de d\u00f3lares (casi 4 millones y medio de euros) en fondos de capital semilla. La ronda de inversi\u00f3n fue dirigida por One Way Ventures, una empresa de inversi\u00f3n que se especializa en financiar a empresarios inmigrantes. Todos los miembros fundadores del equipo de Kebotix son inmigrantes que llegaron a Estados Unidos.<\/p>\n
El profesor en el departamento de ingenier\u00eda qu\u00edmica del MIT, Klavs Jensen, dirige el laboratorio que est\u00e1 desarrollando modelos automatizados para dise\u00f1ar nuevos productos qu\u00edmicos \u00fatiles, incluidos los m\u00e9todos que combinan el aprendizaje autom\u00e1tico y la rob\u00f3tica. Este investigador destaca que esos m\u00e9todos tienden a requerir grandes cantidades de datos, cuya recopilaci\u00f3n es compleja y requiere mucho tiempo. Tambi\u00e9n se vuelve m\u00e1s desafiante a medida que los materiales se vuelven m\u00e1s complicados. \u201cDefinitivamente se puede hacer mucho\u201d, sostiene Jensen. \u201cPero igual que para cualquier otra cosa, lo importante es la calidad de los datos\u201d.<\/p>\n
Jensen sostiene que la automatizaci\u00f3n, que ya se usa en la industria farmac\u00e9utica, ser\u00e1 cada vez m\u00e1s importante en la investigaci\u00f3n de los materiales. \u201cNo reemplazar\u00e1 al experto\u201d, concluye, \u201cpero podremos hacer las cosas de forma mucho m\u00e1s r\u00e1pida\u201d.Fuente:<\/p>\n
technologyreview.es<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" En un laboratorio con vistas a una concurrida calle llena de tiendas en Cambridge, Massachusetts (EE.UU.), un robot intenta crear nuevos materiales. Un brazo rob\u00f3tico sumerge una pipeta en una fuente y transfiere una peque\u00f1a cantidad de un l\u00edquido brillante a uno de los muchos recipientes que se encuentran en frente de otra m\u00e1quina.<\/p>\n","protected":false},"author":1,"featured_media":12885,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[362],"tags":[],"class_list":["post-12884","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-robt"],"yoast_head":"\n