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 robótico sumerge una pipeta en una fuente y transfiere una pequeña cantidad de un líquido brillante a uno de los muchos recipientes que se encuentran en frente de otra máquina.

Cuando todas las muestras están listas, la segunda máquina comprueba sus propiedades ópticas y los resultados se envían a un ordenador que controla el brazo. El software analiza los resultados de estos experimentos, formula algunas hipótesis y después vuelve a iniciar el proceso. Los humanos apenas son necesarios.

Esta instalación, desarrollada por una start-up llamada Kebotix, ofrece indicios de cómo el aprendizaje automático y la automatización robótica podrían revolucionar la ciencia de los materiales en los próximos años. La compañía cree que encontraría nuevos compuestos que podrían, entre otras cosas, absorber la contaminación, combatir las infecciones por hongos resistentes a los medicamentos y servir como componentes optoelectrónicos más eficientes. El software de la empresa aprende de modelos tridimensionales de moléculas con propiedades conocidas.

Los algoritmos de software ya se utilizan para diseñar compuestos y materiales químicos, pero el proceso es lento y rudimentario. Generalmente, una máquina simplemente prueba ligeras variaciones de un material, buscando a ciegas una nueva creación viable. El aprendizaje automático y la robótica podrían hacer que el proceso sea mucho más rápido y efectivo. Kebotix es una de las start-ups que trabajan en esta idea.

El objetivo es utilizar el aprendizaje automático para generar materiales candidatos. "El descubrimiento es demasiado lento", dice el CEO de Kebotix, Jill Becker. "Tenemos una idea para un material, intentamos crearlo e intentamos probarlo. Pero pocas ideas se prueban, y aún menos consiguen resultados".

Foto: Los fundadores de Kebotix: Alán Aspuru-Guzik, Dennis Sheberla, Jill Becker, Semion Saikin y Christoph Kreisbeck. Crédito: Cortesía de Kebotix 

Además, Kebotix usa otra red neuronal para eliminar diseños que se alejan demasiado del original y, por lo tanto, probablemente sean inútiles. Después, el sistema robótico de la compañía prueba las estructuras químicas restantes. Los resultados de esos experimentos se pueden enviar de nuevo al canal de aprendizaje automático, ayudando a que se acerque más a las propiedades químicas deseadas. La compañía denomina al sistema general como un "laboratorio autónomo".

El director de producto de la compañía, Christoph Kreisbeck, afirma que Kebotix comenzará a trabajar con moléculas para las aplicaciones electrónicas y luego intentará abordar nuevos polímeros y aleaciones.

"La IA [inteligencia artificial] predice y planifica qué hacer a continuación. El sistema de automatización robótico prueba muy rápidamente nuestra nueva molécula", explica Kreisbeck. "La máquina puede aprender de la base de datos y tomar una mejor decisión para la próxima ronda".

Kebotix fue fundada por investigadores que trabajaban en el laboratorio de Harvard (EE.UU.) del profesor Alán Aspuru-Guzik, quien dejó Harvard a principios de este año para crear un laboratorio en la Universidad de Toronto en Canadá. Kebotix, con sede en el fondo de capital riesgo The Engine del Instituto de Tecnología de Massachusetts (MIT, EE.UU.), recibió recientemente 5 millones de dólares (casi 4 millones y medio de euros) en fondos de capital semilla. La ronda de inversión fue dirigida por One Way Ventures, una empresa de inversión que se especializa en financiar a empresarios inmigrantes. Todos los miembros fundadores del equipo de Kebotix son inmigrantes que llegaron a Estados Unidos.

El profesor en el departamento de ingeniería química del MIT, Klavs Jensen, dirige el laboratorio que está desarrollando modelos automatizados para diseñar nuevos productos químicos útiles, incluidos los métodos que combinan el aprendizaje automático y la robótica. Este investigador destaca que esos métodos tienden a requerir grandes cantidades de datos, cuya recopilación es compleja y requiere mucho tiempo.  También se vuelve más desafiante a medida que los materiales se vuelven más complicados. "Definitivamente se puede hacer mucho", sostiene Jensen. "Pero igual que para cualquier otra cosa, lo importante es la calidad de los datos".

Jensen sostiene que la automatización, que ya se usa en la industria farmacéutica, será cada vez más importante en la investigación de los materiales. "No reemplazará al experto", concluye, "pero podremos hacer las cosas de forma mucho más rápida".