En la química tradicional, descubrir un buen catalizador puede tomar años de ensayo y error en el laboratorio. Sin embargo, una nueva aproximación está cambiando radicalmente esta realidad: el uso de inteligencia artificial y ciencia de datos para diseñar catalizadores de forma mucho más rápida e inteligente.
Esta disciplina, conocida como Catalyst Informatics, utiliza modelos de machine learning para aprender de grandes cantidades de datos experimentales y predecir qué combinaciones de materiales podrían funcionar mejor como catalizadores. En lugar de probar cientos de composiciones al azar, se pueden identificar candidatos prometedores de manera dirigida, ahorrando tiempo, recursos y acelerando el desarrollo de tecnologías más sostenibles.
Esta aproximación ya está demostrando su potencial en aplicaciones clave como la producción de energía limpia, la conversión de gases de efecto invernadero, el tratamiento de residuos y la fabricación de productos químicos de forma más eficiente.
En esta charla exploraremos cómo el machine learning está transformando la manera en que diseñamos catalizadores, qué ventajas ofrece frente a los métodos tradicionales y hacia dónde se dirige esta nueva forma de hacer química.
Fernando García