Investigadores alemanes desarrollan una IA que predice propiedades de los líquidos

Jueves 12 Febrero 2026 - 11:50

La inteligencia artificial está transformando la forma en que los científicos estudian sistemas físicos complejos, con avances recientes que permiten simulaciones más rápidas y precisas del comportamiento de los líquidos y de la dinámica de los electrones en el agua.

Investigadores de la Universidad de Bayreuth anunciaron esta semana un método basado en IA capaz de acelerar de manera significativa el cálculo de las propiedades de los líquidos. Los resultados, publicados en Physical Review Letters como Editors’ Suggestion, describen una técnica que predice el potencial químico, una magnitud clave para comprender los líquidos en equilibrio termodinámico, sin recurrir a los algoritmos de alto costo computacional utilizados tradicionalmente.

El equipo, dirigido por el profesor Matthias Schmidt y el doctor Florian Sammüller, diseñó una red neuronal que no aprende directamente el potencial químico. En su lugar, aprende lo que los físicos denominan una funcional de densidad universal, un marco matemático que capta las relaciones físicas fundamentales dentro de un líquido y que se mantiene válido en distintos sistemas.

Según Schmidt, la característica distintiva del método es que la IA se centra en los principios físicos subyacentes en lugar de reproducir valores concretos. Sammüller explicó que el enfoque combina aprendizaje basado en datos con conocimientos fundamentales de la física teórica. Los investigadores compararon el concepto con un sistema de reconocimiento de imágenes capaz de identificar gatos sin haber visto ninguno durante su entrenamiento. Al integrar leyes físicas en el modelo, el sistema logra generalizar con mayor eficiencia entre diferentes líquidos.

Los científicos señalaron que la técnica podría impulsar el diseño asistido por computadora de nuevos materiales y medicamentos al reducir el tiempo y la potencia de cálculo necesarios para las simulaciones. Una modelización más rápida y escalable de líquidos también podría beneficiar investigaciones en química, física de la materia blanda y almacenamiento de energía.

Otros proyectos también avanzan en el desarrollo de IA entrenada con principios físicos. Una colaboración denominada Polymathic AI ha creado modelos fundacionales entrenados no con texto o imágenes, sino con sistemas físicos. La Universidad de Cambridge anunció a finales de enero que dos modelos, Walrus y AION 1, pueden transferir conocimientos adquiridos en una clase de sistemas físicos a problemas completamente distintos.

Walrus, un modelo transformador de 1.300 millones de parámetros, fue entrenado con 15 terabytes de datos que abarcan 19 escenarios y 63 campos físicos, incluidos astrofísica, geociencias, física de plasmas y dinámica clásica de fluidos. El doctor Miles Cranmer, del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, afirmó que le sorprende que un modelo fundacional multidisciplinario de física funcione en dominios tan diversos.

En Estados Unidos, investigadores del Laboratorio Nacional Lawrence Berkeley informaron en enero de otro avance. Dirigido por el becario Alvarez Pinchen Xie, el equipo desarrolló un método híbrido que combina mecánica cuántica y aprendizaje automático para simular el comportamiento de los electrones en el agua. La técnica predice con precisión velocidades de reacción y energías electrónicas en interacción con iones hidronio, utilizando mucha menos capacidad de cálculo que los métodos convencionales.

Rafael Gómez Bombarelli, profesor asociado del Instituto Tecnológico de Massachusetts que trabaja en descubrimiento de materiales con IA desde hace más de una década, señaló que el campo atraviesa un segundo punto de inflexión. Indicó que el escalado ha demostrado funcionar en modelos de lenguaje y simulaciones, y que ahora podría transformar la investigación científica en su conjunto.