Los avances tecnológicos revolucionan todos los ámbitos de la existencia. La combinación de robótica e inteligencia artificial ha dado paso a los laboratorios autónomos y se disponen a transformar la investigación científica. Pueden acelerar exponencialmente los descubrimientos y desarrollo de soluciones para afrontar los desafíos más apremiantes de la humanidad.
Imaginemos un futuro donde los laboratorios de investigación funcionan las 24 horas del día. Los 7 días de la semana, sin descanso y sin errores humanos. Un lugar donde robots equipados con inteligencia artificial realizan experimentos complejos, aprenden de cada ensayo y optimizan los resultados en tiempo real. Suena a ciencia ficción, pero es más real de lo que cabría imaginar. En los últimos años, la robótica ha dejado de ser de uso exclusivo de las fábricas. Encontró su lugar en los laboratorios científicos.
Gracias al crecimiento de la ciencia de datos y las técnicas de experimentación automatizada, han surgido los llamados “laboratorios autónomos”, self-driving labs (SDL). Un laboratorio autónomo es un espacio de investigación equipado con robots y software de inteligencia artificial capaces de realizar experimentos de manera autónoma. A diferencia de los tradicionales, donde los científicos llevan a cabo cada paso del proceso, en los SDL, las máquinas se encargan de la planificación, ejecución y análisis de experimentos.
¿Qué es un SDL?
Imagine una plataforma experimental modular asistida por inteligencia artificial que opera iterativamente una serie de experimentos. Experimentos que son seleccionados por un algoritmo de aprendizaje automático. Con el objetivo de alcanzar resultados definidos por el usuario. En esencia, los asistentes robóticos inteligentes exploran rápidamente el vasto espacio del conocimiento en busca de soluciones para desafíos globales en energía, sostenibilidad y salud.
Hasta ahora, abordar esos desafíos requería mucho tiempo, recursos y mano de obra. Por ejemplo, el desarrollo de nuevos materiales o fármacos podía llevar décadas y costar miles de millones de dólares. También sigue siendo un reto, a pesar de los avances en la ciencia, encontrar alternativas más eficientes al silicio. O soluciones escalables para la captura de carbono y el tratamiento del agua de mar .
Las estrategias actuales se basan en conocimientos previos y en la modificación de variables de forma secuencial o combinatoria. Aproximaciones que no están a la altura del ritmo necesario para enfrentar los retos globales. El crecimiento exponencial del número de experimentos requeridos con cada nueva variable dificulta aún más el proceso. Ahí es donde entran los laboratorios autónomos.
Prometen acelerar el descubrimiento de nuevos materiales al reducir drásticamente los plazos y los costos. Pasar del descubrimiento a la fabricación avanzada puede llevar 20 años y costar 100 millones de dólares en promedio. Si, por ejemplo, queremos descarbonizar la economía para 2050, necesitamos una solución más rápida. Los laboratorios autónomos podrían acelerar el proceso entre 100 y 1.000 veces. Reduciendo operaciones de una década a solo unos meses y disminuyendo los costos significativamente.
Primeros pasos
Desde el siglo XVIII, la investigación científica se ha basado en el método tradicional. Un científico formula una hipótesis, diseña un experimento, lo ejecuta y analiza los resultados. Pero el proceso es lento y propenso a errores humanos. Los laboratorios autónomos introducen un cambio drástico al utilizar robots y software con inteligencia artificial para automatizar gran parte del proceso.
Según sus desarrolladores en el laboratorio autónomo, la actividad no cesa. Pero los científicos de bata blanca no son los protagonistas. Las probetas, pipetas y microscopios están en manos de robots. Mientras que la inteligencia artificial (IA) analiza los resultados, formula hipótesis y dirige el proceso. La IA podría ir más allá de la mera ejecución de experimentos y calibración de dispositivos. Imagine un “laboratorio inteligente” que analiza los resultados y detecta fallos en fases posteriores que otros experimentos exitosos no superaron. Así, podría sugerir pruebas preliminares para evitar el desperdicio de recursos en productos destinados al fracaso.
Además, mejora la seguridad. Recientemente, se descubrieron brechas en laboratorios científicos del Reino Unido, que expusieron a los investigadores a patógenos peligrosos. Los científicos y la humanidad salen ganando si todo el proceso de manipulación de los patógenos pudiera realizarse sin la presencia de ninguna persona. En laboratorios totalmente aislados y habitados únicamente por inteligencias artificiales.
Cambiando las reglas
Los laboratorios autónomos están cambiando las reglas del juego. Acá algunos ejemplos:
- Optimización de Reacciones Catalíticas: Los SDL han demostrado su valía al optimizar reacciones catalíticas. En solo cinco días, proporcionan más información de la que los investigadores podrían obtener en seis meses. Imagine la aceleración en descubrimientos.
- Puntos Cuánticos y Nanopartículas: También han acelerado el desarrollo de puntos cuánticos y la búsqueda de métodos más sostenibles para sintetizar nanopartículas. La robótica y la IA trabajan juntas para encontrar soluciones más eficientes.
- Descubrimiento de Materiales: El año pasado, Google DeepMind y el laboratorio autónomo “A-Lab” del Laboratorio Nacional Lawrence Berkeley anunciaron haber descubierto y producido más de 40 materiales nuevos. Aunque algunos investigadores cuestionaron estos resultados, la idea es emocionante.
- Redes Neuronales y Diseño de Químicos: Empresas como Kebotix están liderando la revolución. Usan redes neuronales para diseñar nuevos compuestos químicos. Modelos 3D de moléculas con propiedades conocidas alimentan a estas redes, generando nuevos ejemplos que se ajustan a las propiedades deseadas. Los robots autónomos prueban estos diseños. Los resultados retroalimentan la IA para seguir optimizando el proceso.
- Servicio automatizado online: La startup californiano Transcriptic está transformando el mundo de los laboratorios enfocándose en la genética. Su plataforma combina software y robots para automatizar tareas rutinarias. Los investigadores pueden registrarse desde cualquier lugar del mundo. Escribir un código para que los laboratorios automatizados de Transcriptic realicen los experimentos deseados y luego esperar a recibir los resultados de forma remota en unas pocas horas. En esencia, es como un “Amazon Web Services” para experimentos científicos.
Redefinición de roles científicos
Según Milad Abolhasani y Eugenia Kumacheva en su artículo «Auge de los laboratorios autónomos en las ciencias químicas y de materiales» publicado en la Revista Nature pueden liberar tiempo de los investigadores para que se enfoquen en desafíos intelectuales en lugar de tareas repetitivas. Acelerando el ritmo de las investigaciones.
Aseguran que a diferencia de la creencia común, los asistentes robóticos inteligentes no están destinados a reemplazar a científicos altamente capacitados. Aceleran los descubrimientos y maximizan el tiempo de los químicos y científicos de materiales para cuestiones científicas de alto nivel. “Por ejemplo, proporcionar un laboratorio autónomo con una aceleración de la investigación de 10 veces para cada uno de los investigadores, aumenta su productividad general de investigación al menos 30 veces, lo que les permite trabajar en nuevas cuestiones científicas”.
La planificación experimental inteligente y la exploración autónoma permiten a los científicos ver el panorama completo, descartar rutas sintéticas desfavorables y descubrir variables clave que afectan las propiedades de moléculas o materiales. Los laboratorios autónomos han demostrado su valía en la síntesis de nanotubos de carbono, compuestos orgánicos complejos y materiales de película fina.
Ofrecen una ventaja adicional: Ayudan a abordar el desafío de la jubilación de hasta el 30% de la fuerza laboral de la industria química para 2030. En este contexto, mantener la continuidad y retener el conocimiento se vuelve crucial. Además, permiten un almacenamiento e intercambio fluido de datos e información, fomentando la colaboración interdisciplinaria. Al eliminar compartimentos estancos y promover el trabajo en equipo en diversos campos, potencian aún más la posibilidad de lograr avances transformadores en la investigación y desarrollo impulsada por la inteligencia artificial.
Reducción de costes
Su principal aporte será la «aceleración de la investigación». “Entre 10 y 1.000 veces más rápido que utilizando la exploración de variables una a una o experimentos combinatorios”. Para generar nuevos conocimientos que conduzcan al descubrimiento de nuevos compuestos o rutas de fabricación de materiales con mejores propiedades. Lo que se traduce directamente en una reducción sustancial de los costes, los recursos, los residuos y la huella de carbono en el mundo académico y la industria. “La búsqueda acelerada de soluciones innovadoras a problemas globales será la contribución más impactante de los laboratorios autonómos en la próxima década”, escriben.
El costo de construir un laboratorio autónomo depende de la complejidad de los módulos experimentales, la gama y el número de condiciones de proceso operativas, el tipo de disolvente, la técnica de caracterización y la precisión aceptable. “Construir un SDL fiable con un alto nivel de reproducibilidad para laboratorios de química y ciencia de materiales puede llevar desde varias semanas hasta 1-2 años y costar desde menos de 1.000 dólares hasta más de 1.000.000 de dólares”.
Limitaciones
Abolhasani y Kumacheva sostienen que, pese a su utilidad, en el caso de las ciencias químicas y de materiales, su uso se ve limitado debido a la falta de hardware estandarizado, oftware de fácil acceso, de directrices operativas e incorporación de modelos basados en la física con experimentación autónoma. Otro obstáculo que limita su adopción es el alto costo de los robots y los módulos de caracterización, junto con la falta de estandarización en el flujo de datos y algoritmos de selección de experimentos, limita su adopción. Pero la comunidad científica puede enfocarse en módulos de bajo costo y código abierto, como robots de manipulación de líquidos o diagnósticos desplegables en el terreno.
Según Charles Yang, asesor de políticas de IA en la Oficina de Tecnologías Críticas y Emergentes del Departamento de Energía, los laboratorios autónomos pueden generar una gran cantidad de datos y mejorar los modelos una vez en funcionamiento. Sin embargo, existen desafíos que deben abordarse. Como la falta de cadenas de suministro establecidas y la escasez de habilidades en la fuerza laboral en muchos países, incluso en los Estados Unidos.
Milad Abolhasani, profesor asistente de ingeniería química y biomolecular en la Universidad Estatal de Carolina del Norte, señala que el mayor desafío es desarrollar tecnologías de automatización que sean reproducibles, confiables y asequibles. También la necesidad de medir y comparar el rendimiento de diferentes laboratorios para orientarlos hacia los problemas adecuados.
Prioridad estratégica
La inversión en laboratorios autónomos es una prioridad estratégica para muchos países. Sin embargo, es necesario un enfoque coordinado y a largo plazo para maximizar el impacto de esta tecnología. La creación de consorcios públicos y privados, así como la inversión en investigación básica, son fundamentales para desarrollar la infraestructura y la mano de obra necesarias. Además, es importante establecer políticas claras que fomenten la innovación y la colaboración entre el sector académico y la industria.
En el panorama global, Estados Unidos necesita dar un paso adelante. Sujai Shivakumar, investigador principal del Centro de Estudios Estratégicos e Internacionales, destaca la necesidad de que aproveche la investigación en inteligencia artificial, robótica y capacidades informáticas avanzadas.
Otros países, como Canadá y el Reino Unido, adelantan iniciativas para el desarrollo de laboratorios autónomos. El gobierno canadiense está invirtiendo 200 millones de dólares en un laboratorio de conducción autónoma dirigido por la Universidad de Toronto. En Europa, el gobierno del Reino Unido está financiando la Materials Innovation Factory, una colaboración de laboratorio autónoma entre la Universidad de Liverpool y Unilever.
Aunque los laboratorios autónomos no son la solución a todos los problemas tienen el potencial de transformar la forma en que se realizan ciertas ciencias. Al limitar el impacto de los prejuicios y peculiaridades de los científicos individuales. No obstante, algunos investigadores se preguntan si la promesa, y la presión de producir tecnología, están llevando a los científicos a adoptar la tecnología antes de que esté completamente lista.
Lea también en Cambio16.com:
Conforme a los criterios de 
Saber más
