El equipo de investigación del MIT ha desarrollado una plataforma experimental completamente autónoma para la selección eficiente de mezclas poliméricas de alto rendimiento. Los resultados de esta investigación se publicaron en la revista Matter, demostrando el potencial de la combinación de inteligencia artificial y tecnología robótica en la ciencia de materiales. A) Instantánea de simulación que muestra las posibles interacciones entre diferentes monómeros y GOx a 380 K. (B) Instantánea de simulación de 10 cadenas poliméricas y 1 GOx, mostrando las posibles interacciones entre RHPB y GOx

Los materiales de mezclas poliméricas obtienen nuevas propiedades mezclando polímeros existentes, pero los métodos tradicionales son ineficientes debido al gran número de combinaciones y la complejidad de las interacciones. La nueva plataforma adopta un flujo de trabajo en bucle cerrado, donde algoritmos diseñan autónomamente planes experimentales, sistemas robóticos ejecutan la mezcla y pruebas, y optimizan la dirección de experimentos subsiguientes basados en los resultados. En los experimentos, el sistema seleccionó exitosamente cientos de mezclas con rendimiento superior a los polímeros individuales, donde la mezcla óptima retuvo un 18% más de actividad enzimática que sus componentes.

El autor senior Connor Coley indicó: "La optimización algorítmica puede cubrir todo el espacio de diseño, evitando omitir combinaciones clave". La investigación también descubrió que las mezclas de alto rendimiento no necesariamente dependen de componentes individuales de alto rendimiento, validando la importancia de la exploración exhaustiva. El equipo ajustó algoritmos genéticos para equilibrar la exploración aleatoria y la optimización dirigida, y resolvió desafíos técnicos en la operación robótica, como la uniformidad de temperatura y la precisión en el manejo de líquidos.

Esta plataforma puede completar 700 grupos de experimentos por día, acortando drásticamente el ciclo de I+D. En el futuro, este método podría extenderse a campos como plásticos y electrolitos de baterías. El equipo de investigación planea optimizar aún más los algoritmos para mejorar la eficiencia en el uso de datos y simplificar los flujos de operación automatizados.