Los materiales dieléctricos están en el corazón de muchos componentes electrónicos que almacenan y liberan energía, como los capacitores cerámicos multicapa presentes en celulares, autos eléctricos y equipos industriales. El desafío es que esos materiales suelen perder rendimiento cuando la temperatura sube, y muchos de los compuestos más eficaces incluyen plomo. Un trabajo publicado en Nature Communications propone una forma más rápida de buscar alternativas: dejar que la inteligencia artificial revise la literatura científica, ordene lo que ya se sabe y sugiera nuevas combinaciones prometedoras para probar en el laboratorio.
El estudio partió de un problema muy concreto. La información sobre estos materiales está dispersa en cientos de artículos, con resultados reportados de maneras distintas y no siempre fáciles de comparar. Para reunirla, el equipo usó modelos de lenguaje y herramientas automáticas de extracción de datos sobre 448 estudios previos. De ese proceso salió una base curada de 1202 registros con composiciones químicas, tamaños de grano, espesor de las muestras y propiedades eléctricas medidas en diferentes condiciones.
Con esa base, los investigadores entrenaron un modelo capaz de buscar materiales llamados relaxores sin plomo. Son cerámicas que no tienen una transición brusca de comportamiento, sino una respuesta más gradual, algo útil cuando se quiere que un componente siga funcionando de manera estable en un rango amplio de temperatura. En vez de tantear composiciones una por una, el sistema exploró un espacio virtual de más de 150 millones de posibilidades y lo fue reduciendo con filtros físicos y estadísticos hasta quedarse con 37 candidatas.
El resultado más prometedor fue una familia basada en estroncio, sodio, bismuto, titanio y estaño. Dos de sus variantes, con pequeñas cantidades de estaño, cumplieron en las pruebas experimentales los objetivos fijados por el modelo: conservar una permitividad superior a 3300 a temperatura ambiente y mantener una estabilidad térmica compatible con criterios usados en electrónica para evaluar el desempeño a 85, 105 y 125 °C. En otras palabras, no se trató solo de una predicción por computadora: los materiales se fabricaron y se midieron.
La importancia del trabajo no está únicamente en haber encontrado dos composiciones útiles. También muestra una manera de convertir un campo basado muchas veces en prueba y error en una búsqueda más dirigida. Si esa estrategia se consolida, podría ayudar a desarrollar capacitores y otros componentes más seguros y más confiables para entornos exigentes, desde la electrónica de potencia hasta sistemas que operan con calor sostenido.
Eso no significa que el problema esté resuelto. Los materiales identificados todavía deben evaluarse en escenarios más cercanos al uso industrial, con otras exigencias de manufactura, costo, durabilidad y escalado. Además, el modelo depende de la calidad de la literatura disponible y de cómo se traduzcan esos datos dispersos a una base comparable. Aún así, el estudio sugiere que la inteligencia artificial puede servir menos como reemplazó del laboratorio y más como una brújula para encontrar antes qué vale la pena fabricar y medir.
AI-driven literature mining speeds discovery of heat-stable lead-free dielectric materials · Phys.org
Ciencias.uy / MiniMax image-01 · Imagen generada con MiniMax image-01 para Ciencias.uy; uso editorial no comercial; CC BY 4.0 · Fuente de imagen
Song, K., Kim, Y., Kim, J., Min, B.-J., Song, H.-C., Kang, N., Ryu, J., & Jang, H. W. (2026). Machine-learning-guided inverse design of lead-free relaxors enabled by multimodal literature mining. Nature Communications, 17, 7548. https://doi.org/10.1038/s41467-026-74376-3
Relacionadas por categoría
Ver masUna ruta química devuelve siliconas difíciles de reciclar a una materia prima
Un estudio propone desarmar siliconas resistentes y recuperar diclorosilano, una molécula que puede volver a emplearse para fabricar estos materiales.
Remolinos eléctricos sin plomo que se ordenan sobre silicio
Un estudio logró ordenar vórtices eléctricos nanométricos en capas de titanatos sin plomo crecidas sobre silicio, un paso de investigación para explorar nuevos materiales electrónicos.
Por qué el titanio no evita por completo la corrosión del acero inoxidable
Un experimento con acero inoxidable identificó partículas microscópicas que pueden iniciar corrosión localizada aún cuando la aleación contiene titanio.
Más de la misma fuente
Ver masCuando las partículas se atraen, un hielo de espín artificial cambia sus reglas
Un experimento con esferas microscópicas muestra cómo la atracción y la forma de una red pueden producir orden colectivo o impedirlo.
Diez átomos ultrafríos para estudiar una regla de la antimateria
Un experimento con átomos de rubidio imita en miniatura cómo un campo eléctrico puede favorecer la creación de pares de partículas en un modelo cuántico.
Una IA ayuda a convertir ideas de química en pruebas para diseñar enzimas
Un sistema traduce instrucciones en lenguaje común a simulaciones y cambios candidatos para enzimas, pero sus propuestas todavía deben comprobarse en el laboratorio.
Más del mismo autor
Ver masEl clima puede cambiar el mapa de plagas en bosques de Norteamérica
Un estudio proyecta que, si las emisiones siguen altas, más del 80% de los bosques analizados en Norteamérica podría enfrentar mayor presión de plagas y enfermedades hacia mediados de siglo.
Las suricatas pueden volver solas a su grupo tras ser desplazadas
Un experimento de campo halló que 18 de 20 suricatas desplazadas a 1,5 kilómetros regresaron de forma dirigida, sin seguir a otros miembros de su grupo.
Un material seco podría extender el uso de ecografías portátiles sin gel
Una interfaz elástica y seca transmitió ultrasonido durante días en pruebas de laboratorio y siguió el flujo sanguíneo durante un paseo en bicicleta.