Agentic inverse design of spatially programmed materials

Los científicos de materiales han tratado durante mucho tiempo la estructura interna de un sólido como un paisaje fijo, determinado por los ingredientes químicos mezclados y el calor o la presión aplicados durante su creación. Aunque pueden ajustar las propiedades de un material cambiando su composición o aplicando fuerzas externas como campos magnéticos, han luchado por escribir un patrón específico y personalizado directamente en el interior del material. Imagine intentar tallar un diseño único dentro de un bloque de piedra sin romper la superficie; durante décadas, esto ha sido casi imposible porque las herramientas para dar forma a la materia desde adentro hacia afuera son romas e imprecisas. El objetivo de los "materiales programados espacialmente" es superar esto mediante la disposición de átomos o defectos en un patrón tridimensional deliberado, convirtiendo la profundidad de un material en una variable de diseño, al igual que su color o dureza. Este enfoque promete desbloquear nuevos comportamientos físicos, como guiar la luz o la electricidad de formas que los materiales uniformes no pueden, pero el camino para crear estas estructuras ha estado bloqueado por un problema difícil: averiguar exactamente cómo construirlas.

El desafío radica en la brecha entre un diseño deseado y los pasos físicos necesarios para lograrlo. Para crear un patrón interno específico, un investigador debe elegir una secuencia de acciones, como disparar haces de iones contra un objetivo, pero predecir el resultado de esas acciones es complejo. Tradicionalmente, un experto humano tendría que adivinar la combinación correcta de energía del haz, ángulo y duración, ejecutar una simulación informática para ver el resultado y luego volver a adivinar si el desenlace era erróneo. Este ciclo de ensayo y error es lento y depende en gran medida de la intuición humana. En un nuevo estudio, investigadores del Instituto de Tecnología de Massachusetts han demostrado que un agente de inteligencia artificial puede cerrar este ciclo por sí solo. Al conectar un modelo de lenguaje de gran tamaño a un simulador de física, crearon un sistema que puede observar un patrón interno deseado y determinar automáticamente la secuencia exacta de pasos necesarios para construirlo, sin necesidad de que un humano guíe cada movimiento.

Los investigadores probaron este sistema utilizando la implantación de iones, una técnica en la que se disparan haces de átomos cargados en un material para alterar sus propiedades. Le dieron al agente de IA un objetivo simple: crear un perfil de profundidad específico de iones o espacios vacíos dentro de un sólido. En un experimento, los investigadores dibujaron un boceto aproximado de un patrón deseado a mano: una forma que ascendía hasta una meseta, subía un escalón y luego se nivelaba de nuevo. Entregaron este boceto al agente. El agente primero convirtió el dibujo en un objetivo digital, luego comenzó a planificar. Seleccionó un tipo de ion, en este caso bismuto, y un material objetivo, silicio. Luego ejecutó una simulación física para ver cómo viajarían los iones de diferentes energías a través del silicio. El agente se dio cuenta de que una sola energía de haz solo crearía un pequeño bulto localizado en el patrón. Para completar toda la forma, necesitaba combinar muchas energías de haz diferentes.

El agente comenzó a iterar. Eligió un conjunto de energías, ejecutó la simulación y comparó el resultado con el boceto objetivo. Donde la simulación se quedaba corta, el agente añadía nuevas energías o ajustaba las existentes. Lo hizo repetidamente, refinando su plan hasta que el patrón simulado coincidía con el objetivo dibujado a mano con alta precisión. Al final, el agente determinó que necesitaba disparar iones a 28 niveles de energía diferentes, que iban desde los 2,0 hasta los 195,8 millones de electronvoltios, para recrear la forma. El resultado final fue una coincidencia con un error de menos del 8 por ciento, un nivel de precisión que habría requerido que un experto humano realizara muchas horas de cálculo manual y ajustes.

El sistema demostró ser igualmente capaz con diseños más complejos. Los investigadores pidieron al agente que creara una "superred", un patrón de picos y valles que se repiten, y una "superred de Fibonacci", un patrón que sigue una secuencia matemática donde el espaciado entre los picos cambia de una manera específica y no repetitiva. Para el patrón repetitivo, el agente logró espaciar cinco picos exactamente a 5 micrómetros de distancia. Para el patrón de Fibonacci, dispuso los picos para que siguieran la proporción matemática correcta, preservando el orden único incluso a medida que el patrón se profundizaba en el material. El agente también abordó un tipo diferente de desafío: crear un patrón específico de daños, o vacantes, en lugar de solo añadir iones. Diseñó con éxito una receta para crear un gradiente de espacios vacíos a través de una frontera entre dos materiales diferentes, silicio y germanio, demostiendo que podía controlar no solo dónde aterrizan los iones, sino también el daño que dejan tras de sí.

Una de las pruebas más prácticas involucró los límites del mundo real del equipo de laboratorio. En un acelerador real, existe un límite de energía máxima; la máquina no puede disparar iones más rápido que cierta velocidad. Los investigadores pidieron al agente que diseñara un patrón que se extendiera más profundo de lo que este límite permitía. En lugar de fallar o ignorar la restricción, el agente se adaptó. Se dio cuenta de que no podía alcanzar las partes más profundas del objetivo, por lo que centró sus esfuerzos en la sección que sí podía alcanzar. Luego convirtió su lista de pasos de energía discretos en una rampa única y suave de energía cambiante, un plan que un operador humano podría seguir para barrer el haz de baja a alta energía de forma continua. Esto demostró que el agente no solo podía resolver acertijos abstractos, sino también generar instrucciones prácticas y ejecutables para máquinas reales.

Los investigadores también llevaron al sistema a sus límites absolutos al pedirle que escribiera las letras "MIT" en la profundidad de un material. El agente tuvo que averiguar cómo disponer los iones para que, al ser vistos desde un lado, la concentración de átomos formara la forma de las letras. Logró escribir claramente la "M" y la "I", pero la "T" resultó borrosa. Este fallo no fue un defecto del agente, sino un límite fundamental de la física: los iones se dispersan ligeramente a medida que viajan, un fenómeno conocido como dispersión (straggling), que desibuja los bordes afilados a ciertas profundidades. El agente respetó esta realidad física, demostrando que comprende las leyes de la naturaleza que intenta manipular.

Este trabajo marca un cambio en la forma en que se diseñan los materiales. En lugar de que un humano adivine los pasos para construir una estructura, el agente de IA actúa como un puente, traduciendo una idea visual o matemática directamente en una receta física. El sistema no inventa nueva física; utiliza herramientas de simulación establecidas para explorar el vasto espacio de posibles combinaciones mucho más rápido de lo que un humano podría hacerlo. Al automatizar el proceso de diseño inverso, los investigadores han demostrado que la estructura espacial de un material puede convertirse en una variable programable. Esto abre la puerta a la creación de materiales con arquitecturas internas personalizadas, lo que potencialmente conduce a nuevos tipos de dispositivos electrónicos, componentes resistentes a la radiación o materiales cuánticos con propiedades que nunca se han visto. La capacidad del agente para manejar tareas complejas de múltiples pasos con una intervención humana mínima sugiere un futuro donde el diseño de la materia esté limitado únicamente por la imaginación del diseñador y las leyes de la física, en lugar de por la dificultad del cálculo.