Un modelo de IA del MIT vincula estructuras cristalinas 3D con texto para descubrir nuevos materiales

Investigadores del Instituto Tecnológico de Massachusetts (MIT) han desarrollado un modelo de IA multimodal que combina las estructuras atómicas tridimensionales de los materiales cristalinos con descripciones en lenguaje natural. El trabajo, publicado en Nature Communications y anunciado el 18 de octubre de 2026, demuestra que el sistema puede identificar mejores diseños de materiales que los modelos entrenados solo con texto.

El problema es, en gran medida, un problema de datos. La mayoría de los materiales sólidos son cristales, es decir, disposiciones periódicas tridimensionales de átomos cuyas estructuras se almacenan en formatos de archivo especializados y no en el texto con el que aprenden los grandes modelos de lenguaje. Además, la literatura experimental se concentra en un puñado de clases cristalinas populares, lo que empuja las sugerencias de la IA hacia esos mismos materiales.

Enseñar a un modelo a ver la estructura

El equipo generó descripciones detalladas de estructuras cristalinas a partir de artículos experimentales y de bases de datos computacionales basadas en primeros principios. Cada descripción abarca la composición y la estructura, así como las propiedades, las consideraciones de procesamiento y las posibles aplicaciones. El modelo se entrenó mediante aprendizaje contrastivo, comparando pares de estructuras y textos que coinciden y que no coinciden, para construir una representación compartida.

Cuando los investigadores compararon una versión entrenada con las descripciones sintetizadas con otra entrenada solo con texto de artículos, únicamente la primera aprendió a alinear las estructuras geométricas con el lenguaje. Ante una consulta en lenguaje sencillo que describía una propiedad, el modelo recuperó cristales con esa propiedad con más éxito que un modelo de referencia.

Cuando se le pidió materiales adecuados para electrolitos de baterías de iones de litio en estado sólido, el modelo incluyó entre sus mejores resultados candidatos que otros trabajos habían señalado de forma independiente como prometedores. "La estructura está realmente en el corazón del campo de la ciencia de materiales", afirmó Ju Li, profesor del Departamento de Ciencia e Ingeniería de Materiales del MIT.

Un AlphaFold para cristales

Li compara el enfoque con AlphaFold, el sistema de IA que relaciona la estructura de las proteínas con su función y que ha contribuido a la biología y al descubrimiento de fármacos. Entre los coautores figuran el primer autor Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu y la profesora Elsa Olivetti, quien dijo esperar que el método pueda marcar un cambio importante para el campo.

La investigación contó con el apoyo parcial de la Agencia de Reducción de Amenazas de Defensa de Estados Unidos, la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos y la Fundación Nacional de Investigación de Corea. El equipo considera que el método se aplica a muchos materiales cristalinos y espera que otros científicos lo adopten.