El nuevo algoritmo de Japón encuentra estructuras cristalinas en segundos en una laptop

El escándalo de la cristalografía acaba de abaratar

Durante casi cuarenta años, la predicción de estructuras cristalinas ha sido calificada como un escándalo en física. El problema es avergonzosamente simple de plantear —dado un conjunto de elementos, determinar cómo se disponen sus átomos en tres dimensiones— y terriblemente difícil de resolver en la práctica. Necesitas explorar un espacio astronómicamente vasto de posiciones atómicas posibles y disposiciones periódicas, para luego evaluar cada candidato con cálculos cuánticos basados en primeros principios. Incluso los supercomputadores tienen dificultades.

Un equipo de la Universidad de Tokio ha encontrado la manera de sortear el cuello de botella evitando hacer el cálculo costoso hasta que sea estrictamente necesario. El resultado, publicado en Physical Review Research, transforma la predicción de estructuras cristalinas de un problema de supercomputación a algo que puedes ejecutar en un portátil en segundos, al menos para las estructuras más sencillas.

El investigador principal es Ryotaro Koshoji, especialista designado en el Instituto de Física del Estado Sólido. El trabajo amplía un marco de 2024 que él denominó «química matemática de los cristales» hasta convertirlo en una teoría completa. La idea clave resulta sorprendentemente clásica: los químicos inorgánicos llevan décadas describiendo los cristales mediante dos reglas intuitivas: los átomos se empaquetan como esferas, y también forman redes de poliedros de coordinación. Ninguna de esas descripciones por sí sola es suficiente, pero juntas restringen el espacio de soluciones con tanta firmeza que la mayor parte de las configuraciones inestables simplemente desaparecen.

Las matemáticas como filtro, no como simulador

El equipo de Koshoji formuló esas reglas empíricas como un problema de programación disyuntiva generalizada, un tipo de optimización no lineal mixta entera que maneja tanto variables continuas (posiciones atómicas) como discretas (qué enlaces existen y cuáles no). El resultado es un filtro matemático. Introduces radios atómicos y números de coordinación, y el sistema elimina sistemáticamente los candidatos que violan las restricciones geométricas y de enlace más básicas. Lo que permanece son estructuras que valen la pena tomarse en serio.

El algoritmo combina varias técnicas de optimización —aproximación exterior basada en lógica, ramificación y poda, métodos de plano de corte y aprendizaje automático— en un solo flujo de trabajo calibrado específicamente para la cristalografía. En las pruebas, el equipo demostró que podía predecir estructuras de cristales iónicos y fases de Zintl (materiales que contienen enlaces tanto iónicos como covalentes). También mostraron búsquedas exploratorias en sistemas cuaternarios de óxidos, diseñando estructuras que no corresponden a ningún compuesto experimental conocido.

El software, denominado MARICI, se publica bajo licencia MIT con una interfaz gráfica para Windows. Las estructuras sencillas tardan segundos. Las complejas aún reciben un beneficio enorme: el equipo reportó aceleraciones de diez veces respecto a los enfoques convencionales, pero la verdadera novedad radica en lo que se descarta antes de que cualquier cálculo cuántico llegue a ejecutarse.

Por qué esto va más allá del artículo

El significado más profundo es estructural. La mayoría de los métodos de predicción de estructuras cristalinas generan candidatos de forma aleatoria o con algoritmos genéticos, y luego prueban su estabilidad con cálculos costosos. Reducen el espacio de búsqueda, pero aún requieren mecánica cuántica para cada candidato prometedor. El enfoque de Koshoji invierte el orden: usa matemáticas baratas para generar solo estructuras «cristalinas», y reserva los primeros principios para la verificación. El trabajo cuántico se convierte en el paso final, no en el motor.

Esto importa porque la cadena de descubrimiento de materiales para baterías, semiconductores y fármacos está limitada no por la falta de ideas, sino por el costo de evaluación. Un nuevo electrólito para baterías de estado sólido podría existir en un espacio composicional que nunca ha sido explorado computacionalmente, simplemente porque la etapa de predicción estructural por sí sola requiere semanas en un clúster. Elimina ese muro, y el horizonte de exploración se expande dramáticamente.

Japón tiene un patrón de producir herramientas de ciencia de materiales computacional que superan a las alternativas occidentales precisamente porque combinan un conocimiento profundo del dominio con matemáticas rigurosas, en lugar de depender de la fuerza bruta computacional. El supercomputador Fujitsu Fugaku se ha utilizado extensamente para el cribado de materiales, pero este nuevo trabajo es distinto: no necesita a Fugaku para la fase inicial de predicción. Ese es el cambio.

Quiénes ganan, quiénes pierden

Los ganadores son todos los que trabajan en descubrimiento de materiales a alto rendimiento. Los investigadores de baterías que buscan nuevos conductores iónicos, las compañías de semiconductores que exploran óxidos de banda ancha, las farmacéuticas que estudian polimorfos: todos ahora cuentan con una herramienta capaz de prefiltrar candidatos estructurales con un coste prácticamente nulo. La licencia MIT significa que no hay barrera de licenciamiento. Un estudiante de posgrado en Nairobi o São Paulo puede ejecutar MARICI en un portátil convencional exactamente del mismo modo que lo haría un investigador en un laboratorio nacional japonés.

Los perdedores son los flujos de trabajo antiguos. Los métodos que dependen de generar miles de estructuras aleatorias y filtrarlas con teoría del funcional de la densidad parecerán caros en comparación. No obsoletos: DFT sigue siendo necesario para la verificación final de estabilidad, pero ya no ocupa el primer paso.

El equipo reconoce las limitaciones actuales. El marco actual maneja bien los materiales iónicos y las fases de Zintl; los sistemas completamente covalentes o metálicos siguen siendo más difíciles. El equipo planea desarrollar la generación inicial de estructuras basada en simetría y determinar el conjunto mínimo de condiciones de entrada necesarias para describir la mayor parte de los cristales iónicos. Si esas piezas encajan, el grupo espera que el cribado computacional a gran escala de materiales funcionales se vuelva rutinario en los próximos años.

La idea más amplia

Lo que hace que esta noticia valga la pena vigilar no es un solo artículo. Es la trayectoria. El Instituto de Física del Estado Sólido de Japón lleva décadas produciendo herramientas de química de cristales, y cada iteración ha empujado más lejos el límite computacional mientras reducía el requerimiento de recursos. La versión de 2024 necesitaba un marco matemático. Esta versión solo requiere un portátil y una licencia MIT.

La implicación para las cadenas globales de suministro es indirecta, pero real. El descubrimiento de materiales es el primer eslabón de la cadena que va del elemento al producto. Acelera ese eslabón, y todo lo que viene después —producción de baterías, fabricación de chips, desarrollo de fármacos— se mueve más rápido. Japón no siempre lidera los titulares sobre inteligencia artificial o electrónica de consumo, pero en la infraestructura silenciosa de la ciencia computacional sigue construyendo herramientas de las que dependen las industrias de otros países.

El escándalo de la cristalografía aún no ha terminado. Pero la pluma, al fin, se ha abaratado.