El descubrimiento de materiales avanzados es esencial para el bienestar humano y para la obtenci\u00f3n de energ\u00eda limpia y sustentable. Vinculado a esto, un nuevo requerimiento para qu\u00edmicos, ingenieros qu\u00edmicos y cient\u00edficos se impone como necesario para manejar las herramientas para el estudio y desarrollo de nuevos materiales. Nature reporta que el Materials Project, por ejemplo, est\u00e1 utilizando supercomputadoras para predecir las propiedades de todos los materiales conocidos al presente. Actualmente ha listado las propiedades previstas para los m\u00e1s de 700.000 materiales. Pero a\u00fan queda el traducir estos datos en aplicaciones industriales y comerciales.<\/p>\n
El aprendizaje automatizado (machine learning<\/i>) podr\u00eda acelerar enormemente el descubrimiento de materiales especialmente aptos para el sector de la energ\u00eda. Ya se ha utilizado con \u00e9xito para identificar potenciales mol\u00e9culas y materiales aptos para bater\u00edas de flujo, diodos org\u00e1nicos de emisi\u00f3n de luz (OLED), c\u00e9lulas fotovoltaicas org\u00e1nicas y catalizadores de conversi\u00f3n de di\u00f3xido de carbono. Los algoritmos pueden predecir resultados en pocos minutos, en comparaci\u00f3n con los cientos de horas que se necesita para ejecutar las simulaciones correspondientes.<\/p>\n