La investigación en ciencias de materiales avanza a pasos agigantados gracias a la fusión de la robótica y la inteligencia artificial. En este contexto, el laboratorio digital dLab de la Universidad de Tokio se destaca como un pionero al automatizar la síntesis y el análisis de materiales. Este sistema innovador permite no solo la creación de materiales en capas delgadas, como las cathodes para baterías de iones de litio, sino también la evaluación de sus propiedades estructurales y físicas sin la intervención humana. Con este enfoque, los investigadores buscan transformar el panorama de la investigación en materiales, haciéndola más eficiente y rica en datos.

Los laboratorios inteligentes en el horizonte

El avance hacia métodos de investigación automatizados, basados en datos en lugar de pruebas y errores, está en pleno auge. Los laboratorios contemporáneos, equipados con robótica y aprendizaje automático, funcionan como fábricas que producen y analizan rápidamente una gran variedad de muestras. Los robots, encargados de sintetizar y probar múltiples muestras, generan enormes volúmenes de datos, lo cual es vital para la eficiencia del sistema.

A pesar de los progresos en muestras líquidas, los materiales en capas delgadas y sólidos enfrentan desafíos debido a la diversidad en sus formas y formatos. Para optimizar la investigación de materiales sólidos, el equipo de la Universidad de Tokio ha diseñado dLab, un laboratorio digital completamente automatizado que utiliza instrumentos modulares interconectados. Este sistema permite que los robots realicen y supervisen cada etapa, desde la síntesis de materiales hasta mediciones avanzadas de propiedades.

«Los robots, al aprender, pueden navegar más rápido con menos memoria».

Eficiencia en la investigación gracias a dLab

Con dLab, el equipo ha logrado sintetizar de manera autónoma películas delgadas de cathodes de baterías de iones de litio y analizar su estructura mediante técnicas de difracción de rayos X. Al delegar las tareas repetitivas a robots guiados por aprendizaje automático, los investigadores pueden sintetizar, medir y analizar múltiples muestras con gran efectividad, generando así vastas cantidades de datos.

Taro Hitosugi, profesor de la Universidad de Tokio, expresa que su objetivo es enfrentar los desafíos de la investigación acelerada en ciencias de materiales. A través de la integración de la robótica y el aprendizaje automático, pretenden profundizar en la teoría y descubrir nuevos materiales, aunque reconocen que la modularización y la estandarización en la investigación de materiales sólidos aún presentan limitaciones.

«Los robots pueden crear prendas completas a partir de una imagen de tela».

Desafíos en la estandarización de datos

Uno de los principales obstáculos en este proceso es la falta de formas y tamaños estandarizados para los materiales sólidos. Estos pueden variar desde polvos hasta sólidos masivos. La estandarización es esencial para facilitar la integración de distintos instrumentos. Otro reto es la ausencia de un formato de datos unificado, lo que dificulta la recolección y el intercambio de información.

Para abordar esta problemática, se ha desarrollado un formato estándar llamado MaiML, reconocido en 2024 como norma industrial en Japón. Esto permite una gestión de datos más coherente y eficiente. El equipo planea seguir mejorando el sistema mediante la estandarización del software de orquestación y los procesos de planificación, lo que facilitaría la gestión de tareas en múltiples muestras y ampliaría el campo de investigación de materiales.

Un futuro digital en la investigación

Kazunori Nishio, profesor asociado en el Instituto de Ciencias de Tokio, subraya que el objetivo es digitalizar el entorno de investigación y desarrollo, capacitando a los investigadores para que utilicen estas tecnologías y facilitando el intercambio de datos. La aspiración última del equipo es usar dLab para acelerar la creación y desarrollo de nuevos materiales.

Al combinar robótica, hardware modular y computación en la nube, dLab representa un avance significativo en la ciencia de materiales autónoma y orientada a datos. Sin embargo, queda la pregunta sobre cómo estas innovaciones transformarán el papel de los investigadores humanos en la ciencia del futuro.