La fabricación de mejores baterías, dispositivos electrónicos más rápidos y productos farmacéuticos más eficaces depende del descubrimiento de nuevos materiales y la verificación de su calidad. La inteligencia artificial contribuye a lo primero, con herramientas que analizan catálogos de materiales para identificar rápidamente candidatos prometedores.

Pero una vez fabricado un material, verificar su calidad todavía implica escanearlo con instrumentos especializados para validar su rendimiento, un paso costoso y que consume mucho tiempo y que puede retrasar el desarrollo y la distribución de nuevas tecnologías.

Ahora, una nueva herramienta de IA desarrollada por ingenieros del MIT podría ayudar a eliminar el cuello de botella del control de calidad, ofreciendo una opción más rápida y económica para ciertas industrias impulsadas por materiales.

En un estudio publicado hoy en la revista Matter, los investigadores presentan "SpectroGen", una herramienta de IA generativa que potencia las capacidades de escaneo al funcionar como un espectrómetro virtual. La herramienta toma "espectros", o mediciones de un material en una modalidad de escaneo, como el infrarrojo, y genera el aspecto que tendrían los espectros de ese material si se escaneara en una modalidad completamente diferente, como los rayos X. Los resultados espectrales generados por IA coinciden, con un 99 % de precisión, con los resultados obtenidos al escanear físicamente el material con el nuevo instrumento.

Ciertas modalidades espectroscópicas revelan propiedades específicas de un material: la luz infrarroja revela los grupos moleculares del material, la difracción de rayos X visualiza las estructuras cristalinas del material y la dispersión Raman ilumina las vibraciones moleculares del material. Cada una de estas propiedades es esencial para evaluar la calidad de un material y, por lo general, requiere procesos tediosos en múltiples instrumentos costosos y distintos para su medición.

Con SpectroGen, los investigadores prevén que se puedan realizar diversas mediciones utilizando un único osciloscopio físico más económico. Por ejemplo, una línea de fabricación podría controlar la calidad de los materiales escaneándolos con una sola cámara infrarroja. Estos espectros infrarrojos podrían entonces introducirse en SpectroGen para generar automáticamente los espectros de rayos X del material, sin que la fábrica tenga que albergar y operar un laboratorio de escaneo de rayos X independiente, a menudo más costoso.

La nueva herramienta de IA genera espectros en menos de un minuto, mil veces más rápido en comparación con los enfoques tradicionales que pueden tardar varias horas o días en medirse y validarse.

“Creemos que no es necesario realizar las mediciones físicas en todas las modalidades necesarias, sino quizás solo en una única modalidad, simple y económica”, afirma Loza Tadesse, coautora del estudio y profesora adjunta de ingeniería mecánica en el MIT. “Luego, se puede usar SpectroGen para generar el resto. Y esto podría mejorar la productividad, la eficiencia y la calidad de la fabricación”.

El autor principal del estudio es el ex investigador postdoctoral del MIT Yanmin Zhu.

Más allá de los bonos

El grupo interdisciplinario de Tadesse en el MIT es pionero en tecnologías que mejoran la salud humana y planetaria, desarrollando innovaciones para aplicaciones que van desde el diagnóstico rápido de enfermedades hasta la agricultura sustentable.

“El diagnóstico de enfermedades, y el análisis de materiales en general, suele implicar el escaneo de muestras y la recopilación de espectros en diferentes modalidades, con distintos instrumentos, voluminosos y costosos, que quizá no se encuentren todos en un mismo laboratorio”, explica Tadesse. “Así que estábamos reflexionando sobre cómo miniaturizar todo este equipo y optimizar el proceso experimental”.

Zhu observó el creciente uso de herramientas de IA generativa para descubrir nuevos materiales y fármacos candidatos, y se preguntó si la IA también podría aprovecharse para generar datos espectrales. En otras palabras, ¿podría la IA actuar como un espectrómetro virtual?

Un espectroscopio analiza las propiedades de un material enviando luz de una longitud de onda específica a su interior. Esta luz hace que los enlaces moleculares del material vibren de forma que la luz se dispersa de vuelta al microscopio, donde se registra como un patrón de ondas, o espectros, que posteriormente puede interpretarse como una señal de la estructura del material.

Para que la IA genere datos espectrales, el enfoque convencional implicaría entrenar un algoritmo para reconocer las conexiones entre los átomos físicos y las características de un material, así como los espectros que producen. Dada la complejidad de las estructuras moleculares dentro de un mismo material, Tadesse afirma que este enfoque puede volverse rápidamente inviable.

“Hacer esto incluso con un solo material es imposible”, afirma. “Así que nos preguntamos: ¿existe otra forma de interpretar los espectros?”

El equipo encontró una respuesta con las matemáticas. Se dieron cuenta de que un patrón espectral, que es una secuencia de formas de onda, puede representarse matemáticamente. Por ejemplo, un espectro que contiene una serie de curvas de campana se conoce como distribución "gaussiana", la cual se asocia con una expresión matemática específica, en comparación con una serie de ondas más estrechas, conocida como distribución "lorentziana", la cual se describe mediante un algoritmo independiente. Resulta que, para la mayoría de los materiales, los espectros infrarrojos suelen contener más formas de onda lorentzianas, mientras que los espectros Raman son más gaussianos, y los espectros de rayos X son una mezcla de ambos.

Tadesse y Zhu trabajaron esta interpretación matemática de datos espectrales en un algoritmo que luego incorporaron a un modelo de IA generativo.

“ Es una IA generativa con conocimientos de física que comprende qué son los espectros”, afirma Tadesse. “Y la principal novedad es que interpretamos los espectros no como su origen en sustancias químicas y enlaces, sino como si fueran matemáticas: curvas y gráficos, que una herramienta de IA puede comprender e interpretar”.

Copiloto de datos

El equipo demostró su herramienta de IA SpectroGen en un amplio conjunto de datos público de más de 6000 muestras minerales. Cada muestra incluye información sobre las propiedades del mineral, como su composición elemental y estructura cristalina. Muchas muestras del conjunto de datos también incluyen datos espectrales en diferentes modalidades, como rayos X, Raman e infrarrojos. De estas muestras, el equipo alimentó varios cientos a SpectroGen, en un proceso que entrenó la herramienta de IA, también conocida como red neuronal, para aprender correlaciones entre las diferentes modalidades espectrales de un mineral. Este entrenamiento permitió a SpectroGen tomar los espectros de un material en una modalidad, como el infrarrojo, y generar el aspecto que debería tener un espectro en una modalidad totalmente diferente, como los rayos X.

Una vez entrenada la herramienta de IA, los investigadores alimentaron a SpectroGen con espectros de un mineral del conjunto de datos que no se había incluido en el proceso de entrenamiento. Solicitaron a la herramienta que generara un espectro en una modalidad diferente, basado en este "nuevo" espectro. Descubrieron que los espectros generados por la IA coincidían estrechamente con los espectros reales del mineral, registrados originalmente con un instrumento físico. Los investigadores realizaron pruebas similares con otros minerales y observaron que la herramienta de IA generaba espectros rápidamente, con una correlación del 99 %.

"Podemos introducir datos espectrales en la red y obtener otro tipo de datos espectrales totalmente diferentes, con una precisión muy alta, en menos de un minuto", afirma Zhu.

El equipo afirma que SpectroGen puede generar espectros para cualquier tipo de mineral. En un entorno de fabricación, por ejemplo, los materiales minerales utilizados para fabricar semiconductores y tecnologías de baterías podrían escanearse rápidamente con un láser infrarrojo. Los espectros de este escaneo infrarrojo podrían introducirse en SpectroGen, que generaría espectros en rayos X, que los operadores o una plataforma de IA multiagente pueden analizar para evaluar la calidad del material.

"Lo considero como tener un agente o copiloto que apoya a investigadores, técnicos, canalizaciones y la industria", dice Tadesse. "Planeamos adaptarlo a las necesidades de diferentes industrias".

El equipo está explorando maneras de adaptar la herramienta de IA al diagnóstico de enfermedades y al monitoreo agrícola a través de un próximo proyecto financiado por Google. Tadesse también está implementando la tecnología en el campo a través de una nueva startup y prevé que SpectroGen esté disponible para una amplia gama de sectores, desde el farmacéutico hasta los semiconductores y la defensa.

​Autor​