Aunque ahora nuestras miras estén centradas en superar la pandemia de la COVID-19, no podemos olvidar que, como sociedad, tenemos otros grandes retos en nuestro horizonte más inmediato. Uno de ellos es la lucha contra el cambio climático, que urge en la búsqueda de nuevas fórmulas para reducir nuestras emisiones de gases contaminantes y cumplir, en última instancia, con los objetivos de desarrollo sostenible de Naciones Unidas.

No en vano, las concentraciones de CO2 han aumentado más rápidamente en las últimas décadas que en cualquier otro momento de la historia de la humanidad, impulsadas principalmente por la quema de combustibles fósiles para energía y transporte. Con ello, en 2025 tendremoslos niveles de dióxido de carbono más altos que los observados durante la época más cálida de los últimos 3,3 millones de años. Así que la meta es clara: reducir las emisiones de CO2 para ayudar a evitar que la temperatura global suba 1,5 ° C más por encima de los niveles preindustriales, un punto de inflexión que podría provocar el deshielo polar y causar daños catastróficos.

En estas lides, la investigación en torno a nuevos materiales tiene mucho que decir, ya sea para la captura de ese CO2 o para la producción de fertilizantes más sostenibles o la creación de baterías que nos ayuden a acumular la energía de las fuentes renovables y a impulsar el vehículo eléctrico como alternativa a la gasolina. Pero hay un problema: esta clase de investigaciones lleva mucho tiempo y son extraordinariamente complejas.

Es sencillo de comprender: el potencial de combinaciones de elementos químicos es increíblemente vasto. Hay más combinaciones posibles que átomos en el universo. Y, además, las propiedades finales de un material no dependen únicamente de qué están hechos sino también de los procesos utilizados en su producción y en última instancia de su estructura.  Normalmente, se tarda unos 10 años y cuesta entre 10 y 100 millones de años de media descubrir un nuevo material con propiedades específicas.

Ante este desafío, las tecnologías digitales se antojan como una posible y más que inestimable ayuda, con la inteligencia artificial o la computación cuántica como puntas de lanza. Es precisamente una de las compañías más pujantes en estos dos terrenos, IBM, la que ya cuenta con cuatro líneas de trabajo en nuevos materiales que contribuyan a esa lucha contra el cambio climático.

Captura de CO2

Un equipo de investigadores de esa casa está creando una plataforma en cloud de conocimiento sobre métodos y materiales para capturar CO2. Esta plataforma utiliza tecnologías para procesar el lenguaje natural, analizar la información contenida en las patentes y estudios, y presentar conclusiones y hallazgos al investigador, como, por ejemplo, un ranking de los mejores materiales para separar CO2.

Con toda esta base de conocimiento, los científicos pueden definir las propiedades que necesita tener una molécula para que pueda emplearse en el proceso de captura y separación del CO2. De esta manera, los equipos de científicos podrían utilizar algoritmos de IA para predecir las moléculas más óptimas para ser usadas como bloques que construyan membranas de polímeros más eficaces para separar el CO2.

Una vez capturado el dióxido de carbono se le puede dar un uso. En esas, los investigadores están también trabajando en desarrollar materiales sostenibles que aprovechen el CO2 como si fuera la materia prima para monómeros y polímeros como el plástico. Estos nuevos materiales basados en CO2 se diseñarían con el objetivo de ser reciclados para su reutilización. 
rnMás información en este enlace.

Nuevos fertilizantes

La población mundial, en constante crecimiento, podría llegar a casi 10.000 millones de personas para 2050, frente a los casi 8.000 millones actuales. Todas estas personas necesitarán comer. La forma tradicional de desarrollar la agricultura no satisfará la creciente demanda de alimentos, un escenario aterrador que tiene a los investigadores buscando formas más eficientes y sostenibles de resolver este problema.

Una gran parte de la solución es encontrar una mejor forma de producir fertilizantes que sean menos intensivas en el uso de la energía y cuyo ingrediente principal es el nitrógeno, el gas más abundante en la atmósfera terrestre. Actualmente, la principal técnica de fabricación para convertir nitrógeno en nitratos necesarios para la agricultura requiere quemar el equivalente a una tonelada de combustible fósil por cada tonelada de fertilizante. Este método de fabricación, conocido como el proceso Haber-Bosch, representa aproximadamente el 1% de las emisiones globales de carbono, un modelo de producción difícilmente sostenible y escalable en la era del cambio climático.

En los próximos cinco años, replicaremos la capacidad de la naturaleza para convertir el nitrógeno del suelo en fertilizante rico en nitratos, alimentando al mundo en crecimiento y reduciendo el impacto ambiental de los fertilizantes. Pero hay un problema: las plantas necesitan que se produzca la “fijación” del nitrógeno, algo que ciertas bacterias de las raíces de las plantas pueden hacer de forma natural.

Durante décadas, los científicos han intentado construir un catalizador que mejore este proceso biológico, con el objetivo de afrontar la carencia de suministro natural. Pero observar y modelar la complejidad molecular de este proceso biológico es extremadamente difícil.  En pocos años un ordenador cuántico podría simular diferentes procesos de fijación catalítica de nitrógeno. De esta manera, los investigadores podrían modelar y determinar nuevas moléculas que utilizaran solo una pequeña cantidad de energía comparado con la que utiliza el actual proceso industrial.

Almacenar energía

No hay duda de que un uso fiable de la energía renovable requiere su almacenamiento. En este momento, el mundo sólo puede almacenar alrededor del 3% de la electricidad producida globalmente. A su vez, el crecimiento del mercado de vehículos eléctricos también depende de la disponibilidad de baterías más baratas, seguras y potentes. En resumen, el mundo necesita mejores baterías.

En el presente, se están desarrollando prototipos de iones de litio o Li-ion con un contenido relativamente bajo de cobalto y electrolitos líquidos o sólidos no inflamables para mejorar la seguridad de las baterías de Li-ion. Pero, mirando más allá de este comienzo, firmas como IBM apuestan por que la IA y la computación cuántica puedan ayudar a los investigadores a encontrar nuevas soluciones al problema del almacenamiento de energía. 

A principios de este año, sus investigadores desarrollaron una batería sin cobalto ni níquel que se basa en un cátodo con base de yodo. Demostraron que la batería podría tener una mayor densidad de potencia, menor inflamabilidad y tiempos de carga mucho más rápidos que las baterías de Li-ion convencionales. En este sentido, la aceleración del descubrimiento gracias a la tecnología permitirá a los científicos mejorar el rendimiento de las baterías encontrando materiales aún más seguros y eficientes.

Por un lado, el uso de la computación cuántica permitirá mejorar las tecnologías de la próxima generación, como las baterías de litio y azufre, que podrían ser más potentes, duraderas y baratas que las de ión-litio. Por otro, la IA podría predecir los candidatos moleculares correctos, permitiendo a los investigadores probar en el laboratorio las mejores opciones.  

Materiales sostenibles

La gran cantidad de materiales y bienes producidos para los casi 8.000 millones de personas en el mundo se cobran su precio en el planeta. Muchos de estos materiales se encuentran en los productos que se utilizan a diario, mientras que otros sólo se utilizan durante la fabricación de esos artículos y son invisibles para los consumidores. En este sentido, es crucial que todos los productos químicos, materiales y procesos involucrados en su fabricación sean tan sostenibles como sea posible, también en la industria tecnológica.

El actual ciclo de descubrimiento acelerado permitirá a los científicos agregar y analizar la información sobre los productos químicos y materiales fotoresistentes de las patentes y la literatura pública. El uso de este conocimiento impulsará la modelización en sistemas informáticos tradicionales de alto rendimiento y, en el futuro, en ordenadores cuánticos. Los resultados combinados se utilizarán para construir modelos de IA que sugieran nuevas clases de compuestos que cumplan con objetivos de eficiencia y medio ambiente. 

De esta forma, en este periodo de tiempo, los científicos adoptarán un nuevo enfoque del diseño de materiales que permita a la industria tecnológica producir más rápidamente materiales sostenibles para la producción de semiconductores y dispositivos electrónicos. Ese trabajo podría ayudar aún más a otros fabricantes a desarrollar nuevos materiales de mayor rendimiento, más seguros y sostenibles para el medio ambiente, para construir productos de todo tipo.