«Hace cinco años, el uso de robots para realizar experimentos se consideraba un signo de gran inteligencia. ¿Por qué ahora sentimos que carecen de la inteligencia suficiente?. Porque los grandes modelos de IA han elevado nuestras expectativas».

En el «Foro de Ciencia de Materiales Potenciada por IA», celebrado durante la reciente Conferencia Mundial de Inteligencia Artificial, el profesor Jiang Jun —director del Centro de Descubrimiento de Materiales Impulsado por IA de la Universidad de Ciencia y Tecnología de China (USTC)— destacó de manera concisa el profundo impacto del rápido desarrollo de la IA en el ámbito de la investigación científica.

A finales de 2021, hizo su debut «Xiao Lai», un robot químico desarrollado por el equipo de Jiang Jun. Al integrar dos robots móviles, 19 estaciones de trabajo químicas inteligentes y un sistema informático de alto rendimiento, es capaz de llevar a cabo la síntesis, caracterización y pruebas de muestras siguiendo protocolos generados por modelos.

Sin embargo, lograr que los robots realicen experimentos las 24 horas del día, los 7 días de la semana, está lejos de ser el objetivo final. Actualmente, las personas tienen expectativas más elevadas para los sistemas de investigación inteligentes: desean que estos sistemas ajusten las rutas experimentales en función de los resultados e incluso que ayuden a los científicos a descubrir nuevos fenómenos y principios científicos.

Dotar a los robots de creatividad.

La automatización no es un concepto nuevo. Mucho antes de que la inteligencia artificial llegara a la vida cotidiana, ya operaban líneas de producción y laboratorios automatizados en muchas empresas.

La automatización tradicional se centra principalmente en completar tareas de manera más rápida y consistente siguiendo instrucciones fijas. El cambio que aporta la IA permite a los sistemas identificar problemas de forma autónoma basándose en los resultados operativos y ajustar sus estrategias dinámicamente.

«Lo que estamos haciendo es integrar profundamente la automatización con la capacidad cognitiva, asegurando que las máquinas no solo puedan leer, calcular y trabajar con diligencia, sino que también posean creatividad», declaró Jiang Jun a *China Science Daily*.

Desde el debut del robot químico, el equipo de Jiang Jun ha estado recopilando datos e identificando necesidades prácticas, al tiempo que actualiza continuamente el sistema para vincular tres tipos distintos de capacidades. Los grandes modelos actúan como el «cerebro científico»: leen literatura especializada, comprenden los requisitos de la investigación y proponen hipótesis candidatas, aportando, en esencia, «imaginación». Modelos pequeños especializados, adaptados a campos como la química, la ciencia de materiales y la biomedicina, actúan como «cerebelos específicos de dominio»; se encargan de realizar cálculos, predicciones y cribados para aportar «capacidades de razonamiento» fundamentadas en leyes científicas. Por último, los robots de investigación aportan «capacidades de ejecución», transformando los planes del espacio virtual en muestras físicas.

Los resultados experimentales se retroalimentan hacia el modelo. Los enfoques eficaces se someten a una optimización iterativa continua, mientras que los datos de los intentos fallidos sirven para perfeccionar la lógica de toma de decisiones del modelo, creando así un ciclo cerrado completo de investigación científica: «comprensión de requisitos — revisión bibliográfica — diseño experimental — cálculo automatizado — experimentación robótica — optimización iterativa».

El sistema «Machine Scientist 2.0» y la herramienta de investigación inteligente «Lingjing Zaowu» (Creación Virtual-Real) son productos de este marco operativo.

En 2025, con el respaldo del «Proyecto Especial de Científico Inteligente», el equipo de Jiang Jun y sus colaboradores construyeron la infraestructura de ciencia de materiales inteligente más grande del mundo: el sistema Machine Scientist 2.0. Se trata de un ecosistema de investigación inteligente en constante expansión y evolución propia. Hasta la fecha, ha desarrollado e integrado 110 robots de investigación avanzados, 196 estaciones de trabajo de química inteligente, 508 conjuntos de instrucciones para robots de investigación, 3.200 plantillas de experimentos químicos y 310 modelos de IA aplicada a la ciencia.

En abril de este año, la Universidad de Ciencia y Tecnología de China (USTC) lanzó «Lingjing Zaowu», una herramienta de investigación inteligente diseñada para operar en la nube.

El término «Lingjing» (que significa «reino espiritual» o «reino virtual») proviene de la traducción que hizo Qian Xuesen del concepto de «realidad virtual»; «Lingjing Zaowu» hace referencia a un proceso de investigación caracterizado por la iteración entre teoría y experimento, así como por la fusión del espacio virtual y el mundo real. «Las personas pueden llevar a cabo el diseño, el razonamiento y la evolución de materiales dentro del espacio virtual de ‘Lingjing’ y, posteriormente, regresar al mundo real para ‘crear’ los materiales físicos», explicó Jiang Jun.

«Lingjing Zaowu» posee dos capacidades fundamentales: una base de competencias de investigación inteligente y la capacidad de orquestar flujos de trabajo integrales (de extremo a extremo). Actualmente, se han desarrollado e implementado más de mil capacidades (o «habilidades»), incluidas más de 200 habilidades experimentales para estaciones de trabajo, más de 500 habilidades de operaciones robóticas primitivas, más de 100 habilidades computacionales, más de 300 habilidades de investigación inteligente y más de 100 habilidades de propósito general.

Jiang Jun reveló: «Actualmente estamos realizando pruebas internas. Si todo marcha bien, planeamos abrir cuentas al público el próximo año, permitiendo que los interesados ​​accedan a los recursos de hardware del sistema ‘Robot Scientist 2.0’ a través de la plataforma ‘Lingjing Zaowu’ (Creación Virtual-Real)».

Prueba de capacidades en escenarios del «mundo real».

La iniciativa «Científico Inteligente» ha construido y conectado a la nube 19 instalaciones de innovación distribuidas de «científicos inteligentes», vinculando 80 plataformas experimentales impulsadas por IA para la química y la ciencia de materiales. Al abarcar el 80% de los tipos de experimentos en estos campos, el sistema logra operaciones de datos automatizadas y de ciclo cerrado en todo el flujo de trabajo de «diseño-síntesis-caracterización-análisis». Se aplica ampliamente en áreas como materiales de alta entropía, catalizadores energéticos, nanomateriales de metales nobles y moléculas luminiscentes.

«En la era de la IA, una cuestión fundamental en la ciencia de materiales es cómo utilizar la IA para crear moléculas funcionales de manera autónoma y rápida», afirmó Ye Sheng, profesor de la Universidad de Anhui.

Durante sus estudios de doctorado en la Universidad de Ciencia y Tecnología de China (USTC), Ye Sheng trabajó bajo la dirección de Jiang Jun para explorar cómo diseñar proteínas que no existen en la naturaleza pero que poseen funciones específicas.

Ye Sheng citó el ejemplo de un péptido antimicrobiano con potencial para el desarrollo de fármacos: este debe equilibrar una fuerte actividad bactericida, baja toxicidad, baja actividad hemolítica y estabilidad. Sin embargo, estas propiedades están determinadas en conjunto por las secuencias de aminoácidos y las estructuras proteicas en 3D —y a veces incluso entran en conflicto entre sí—, lo que hace extremadamente difícil la optimización multiobjetivo basada únicamente en la experiencia.

Un campamento de verano científico sirvió de inspiración. En el evento, Ye Sheng y Jiang Jun guiaron a estudiantes de primaria y secundaria en el uso de modelos de difusión para fusionar dos imágenes de estilos diferentes en una nueva. Esto despertó una idea en Ye Sheng: ¿podrían las características funcionales de diferentes proteínas mapearse también en un espacio de características computable y luego «fusionarse» mediante IA?.

Siguiendo esta línea de razonamiento, el equipo identificó rápidamente un vínculo crucial —los espectros moleculares— y estableció un marco integrado de «espectro-estructura-función». Al crear correlaciones estables entre las características espectrales, las estructuras moleculares y el desempeño funcional, y utilizar IA generativa para la optimización colaborativa multiobjetivo, finalmente construyeron un modelo a gran escala para la espectroscopia de proteínas.

Este modelo a gran escala se ha integrado ahora en el sistema «Robot Scientist 2.0». Aprovechando este modelo, equipos de instituciones como la Universidad de Tsinghua, la Universidad de Ciencia y Tecnología de China (USTC) y la Universidad de Anhui han creado diversas proteínas multifuncionales. Entre ellas se incluyen seis tipos de péptidos antimicrobianos «súper» que integran múltiples funciones, cuatro tipos de proteínas diana capaces de unirse fuertemente a moléculas pequeñas, proteínas diana relacionadas con la enfermedad de Alzheimer y proteínas fluorescentes.

Otra «aplicación en el mundo real» ha tenido lugar en el ámbito agrícola.

«Los materiales de átomo único poseen una alta eficiencia de utilización atómica, lo que los hace ideales para satisfacer la necesidad de reducir el uso de pesticidas y, al mismo tiempo, mejorar su eficacia», afirma Chen Kong, investigador asociado especialmente designado en la USTC. Sin embargo, tener en cuenta las propiedades del material, los parámetros del proceso y los escenarios de aplicación genera un problema complejo que abarca docenas de dimensiones. Depender de los métodos tradicionales de ensayo y error hace extremadamente difícil identificar materiales adecuados.

Con la ayuda de un sistema de «científico inteligente», Chen Kong y sus colaboradores utilizaron la IA para realizar una selección y predicción eficientes y automatizadas entre cientos de miles de combinaciones candidatas para sitios activos de átomo único. Esto impulsó a la plataforma de materiales de átomo único a sintetizar un fungicida de cobre de átomo único, completando una tarea de selección de formulaciones —que de otro modo habría llevado milenios— en tan solo dos meses.

Sobre esta base, la plataforma facilita pasos posteriores como la validación del proceso, aumentando así la tasa de éxito de la industrialización y acortando los ciclos de desarrollo. Hasta la fecha, el fungicida de cobre de átomo único desarrollado por el equipo se ha utilizado para controlar cerca de 100 tipos de enfermedades de cultivos en 10 millones de *mu* (aproximadamente 667.000 hectáreas) de tierras agrícolas en 30 provincias, evitando pérdidas económicas agrícolas estimadas en 5.000 millones de yuanes.

Esto también ofrece a nuestro país una oportunidad para «adelantar en la curva», superando así a competidores ya establecidos. «La industria de los pesticidas ha estado dominada durante mucho tiempo por empresas extranjeras. Ahora, gracias a la IA, hemos alcanzado un nivel de liderazgo mundial en apenas dos años y estamos preparados para superarlas», afirma Chen Kong. «Este es un rasgo distintivo de la era de la IA: una vez que una empresa establece una ventaja única en un campo específico y concentra sus recursos en la especialización y la excelencia, puede competir de manera realista con los principales actores mundiales».

Una sola persona al «mando» de un laboratorio.

Se informa que la Universidad de Ciencia y Tecnología de China está acelerando la construcción de una instalación a escala piloto dedicada a la ciencia de materiales impulsada por IA. Con una extensión de nueve plantas, la instalación contará con más de 500 robots multimodales y más de 1.000 estaciones de trabajo, capaces de realizar más de 10.000 experimentos diarios.

Jiang Jun visualiza la creación de una «red de recursos» de capacidades científicas —específicamente cognición científica, experimentación y análisis— a la que cualquier persona pueda acceder en cualquier momento a través de centros de computación abiertos y líneas de producción experimental automatizadas. En el futuro, al igual que se utiliza la electricidad, las personas simplemente tendrán que iniciar sesión en una cuenta desde sus teléfonos para aprovechar la «imaginación» de los modelos a gran escala, la «capacidad de razonamiento» de los modelos especializados y la «capacidad de ejecución» de los robots.

Para comprobar si este modelo de investigación científica puede abrirse realmente al público general, el Centro de Descubrimiento de Materiales Impulsado por IA y el Laboratorio Estatal Clave de Química de Precisión e Inteligente de la Universidad de Ciencia y Tecnología de China (USTC) han lanzado un concurso de creación impulsado por IA. La competición cuenta con 18 categorías de vanguardia que abarcan campos estratégicos emergentes, como las ciencias de la vida y la salud, los materiales energéticos, los polímeros avanzados y la catálisis medioambiental.

El concurso está abierto a todos los estudiantes de grado, posgrado e investigadores posdoctorales de la USTC y de instituciones asociadas en toda China, y también incluye invitaciones específicas a universidades y equipos extranjeros de renombre.

Los participantes asumirán sucesivamente cuatro roles fundamentales —arquitecto de moléculas o materiales, comandante de laboratorio, analista estratégico y definidor del futuro— y deberán superar un proceso de evaluación de tres etapas: presentación del diseño en línea, verificación basada en silicio (digital) y validación basada en carbono (física). Bajo un modelo de «fusión silicio-carbono e integración teoría-práctica», los participantes utilizarán IA generativa para realizar ingeniería inversa de estructuras moleculares y materiales a partir de requisitos funcionales. Posteriormente, emplearán modelos de IA para predecir el rendimiento y realizar cribados virtuales, utilizarán líneas de fabricación inteligente totalmente automatizadas para transformar rápidamente diseños virtuales en muestras físicas e incorporarán los datos experimentales a los modelos, creando así un proceso de ciclo cerrado de «diseño-síntesis-ensayo-análisis».

Cabe destacar que la competición se basa en los principios fundamentales de «igualdad de acceso al conocimiento, la innovación y el emprendimiento», al tiempo que promueve los conceptos duales «OPC»: «Creador individual» (*One Person Creator*) y «Empresa unipersonal» (*One Person Company*).

«Esperamos que los participantes desarrollen un conjunto de habilidades personales utilizando la biblioteca de herramientas de investigación inteligente ‘Lingjing Creation’ (Creación Virtual-Real), dominando todo el flujo de trabajo —desde el diseño hasta la síntesis— y rompiendo los silos de capacidades», afirmó Jiang Jun.

Jiang Jun también subrayó que el hecho de que la IA pueda realizar un número creciente de tareas no significa que los científicos se queden sin trabajo. Por el contrario, la IA libera a los seres humanos de labores repetitivas, permitiendo que la inteligencia humana explore nuevas fronteras.