Global AI in Material Discovery Market Size, Share, and Trends Analysis Report – Industry Overview and Forecast to 2033

¿Cuál es la IA en el mercado de descubrimientos materiales tamaño y tasa de crecimiento

• Según el análisis de Data Bridge Market Research, la IA en el mercado de descubrimientos de materiales fue valoradaUSD 740,10 millones en 2025y se prevé que alcanceUSD 5,605.53 millones en 2033, creciendo en unCAGR of 28.80% from 2026 to 2033.
• El mercado está experimentando un rápido crecimiento impulsado por la creciente demanda de materiales avanzados, avances en la inteligencia artificial y el aprendizaje automático, y la expansión de aplicaciones a través de la tecnología de baterías, semiconductores, químicos, aeroespacial e investigación farmacéutica.
• La creciente necesidad de acelerar el desarrollo material, reducir los costos de investigación y mejorar el rendimiento material es fabricantes, instituciones de investigación y empresas tecnológicas que adoptan plataformas de descubrimiento impulsadas por AI. El aprendizaje de la máquina, la IA generativa y el modelado predictivo están transformando la experimentación tradicional de ensayo y terror, permitiendo una detección de material más rápida, predicción de propiedades y la identificación de materiales innovadores para el almacenamiento energético, la electrónica y las aplicaciones industriales.

Tamaño del mercado

• Valor mundial del mercado (2025): 740,10 millones de dólares
• Valor de mercado esperado (2033): USD 5.605.53 Millones
• CAGR prefabricado (2026–2033): 28,80%
• Región líder en 2025: América del Norte
• Región de crecimiento más rápida: Asia Pacífico

¿Cuáles son los principales Takeaways de la AI en el mercado del descubrimiento de materiales

• América del Norte dominó la IA en el mercado de descubrimientos materiales con la mayor cuota de ingresos del 41,6% en 2025, con el apoyo de infraestructuras avanzadas de investigación de IA, inversiones tecnológicas fuertes y colaboración entre universidades, instituciones de investigación y empresas de ciencias materiales.
• Se espera que Asia-Pacífico sea la región de mayor crecimiento en una CAGR de 31,0% de 2026 a 2033, alimentada por la expansión de la fabricación de semiconductores, el aumento de la producción de baterías y el aumento de las inversiones en investigación de materiales impulsados por AI
• El segmento de software dirigió el mercado con una participación del 55,0% en 2025, impulsada por la adopción creciente de plataformas informáticas de materiales impulsados por AI, herramientas de modelado predictivo y software de simulación computacional.
• Los servicios son el tipo de componente de mayor crecimiento, proyectado para registrar un CAGR de 30,2%, lo que refleja el aumento de la demanda de implementación especializada y experiencia técnica.
• El segmento de productos químicos dominaba la categoría de tipo material con una cuota de ingresos del 30,0% en 2025, liderada por la adopción creciente de la IA para la optimización de la formulación química, el desarrollo de catalizadores y el descubrimiento de materiales especializados.
• El aprendizaje automático representó el 36,0% de la cuota de mercado en 2025, preferida por su uso generalizado en predicción de propiedades materiales, optimización de la composición y selección de candidatos.
• El segmento de descubrimiento de materiales de almacenamiento de batería y energía es la categoría de aplicación de mayor crecimiento, con un CAGR de 32,2%, impulsado por el aumento de la demanda de mayor rendimiento de batería, densidad energética, velocidad de carga y seguridad

Report Scope and AI in Material Discovery Market Segmentation

¿Cuál es la tendencia clave en la IA en el mercado del descubrimiento de materiales

• Los modelos generadores de IA y fundaciones se están adoptando cada vez más en el descubrimiento material para diseñar compuestos novedosos, predecir propiedades materiales e identificar materiales con características químicas, mecánicas y electrónicas específicas, reduciendo la dependencia de la investigación convencional de ensayo y terrorismo.
• Por ejemplo, en enero de 2025, Nature publicó investigación sobre MatterGen, un modelo de IA generativa desarrollado para diseñar materiales inorgánicos con propiedades químicas, estructurales, mecánicas, electrónicas y magnéticas específicas. El estudio demostró el potencial de la IA generativa para acelerar el descubrimiento de nuevos materiales funcionales.
• Las plataformas impulsadas por IA permiten a los investigadores explorar una gama más amplia de composiciones materiales y acelerar la identificación de candidatos para baterías, semiconductores, células solares y aplicaciones industriales avanzadas.
• La integración del aprendizaje automático con simulaciones computacionales está mejorando la detección de materiales potenciales antes de la síntesis de laboratorio, ayudando a los investigadores a priorizar candidatos prometedores y optimizar los flujos de trabajo de investigación.
• Los laboratorios autónomos combinan cada vez más algoritmos de inteligencia artificial, robótica y retroalimentación experimental en tiempo real para automatizar la síntesis de materiales, caracterizar los resultados y perfeccionar experimentos posteriores.
• Por ejemplo, en octubre de 2025, Nature Materials publicó investigación sobre SCIGEN, un marco generativo de IA que incorpora limitaciones estructurales para descubrir los materiales cuánticos candidatos. El estudio generó más de 10 millones de compuestos inorgánicos y utilizó exámenes computacionales para identificar estructuras prometedoras, destacando avances en el diseño de materiales impulsados por IA
• A medida que los investigadores prioricen cada vez más el desarrollo material más rápido, las propiedades materiales personalizadas y la experimentación automatizada, se espera que se amplíe la adopción de plataformas generadoras de inteligencia artificial y de descubrimiento autónomo, fortaleciendo el papel de la IA en el ciclo de vida de los materiales.

¿Cuáles son los controladores clave de la IA en el mercado del descubrimiento de materiales

• La creciente demanda de materiales avanzados en baterías, semiconductores, energía renovable y aeroespacial ha aumentado considerablemente la necesidad de plataformas impulsadas por IA capaces de predecir propiedades materiales e identificar compuestos prometedores de manera más eficiente.
• Por ejemplo, en noviembre de 2023, Nature publicó una investigación sobre el sistema de aprendizaje profundo GNoME de Google DeepMind, que identificó 2.2 millones de posibles estructuras de cristal, incluyendo 381.000 materiales estables predichos, ampliando el conjunto de candidatos para aplicaciones en baterías, semiconductores y otras tecnologías avanzadas.
• Los fabricantes, empresas tecnológicas e instituciones de investigación están integrando la IA en el desarrollo material para reducir el tiempo de detección computacional, mejorar la productividad de la investigación y acelerar el desarrollo de materiales con características de rendimiento específicas de la aplicación.
• Aumentar el acceso a bases de datos de materiales computacionales, algoritmos de aprendizaje automático y computación de alto rendimiento permite además a los investigadores analizar estructuras materiales complejas y evaluar compuestos potenciales antes de comprometer recursos a experimentos físicos.
• Por ejemplo, en marzo de 2024, la Ciencia Química, publicada por la Royal Society of Chemistry, reportó investigación utilizando análisis computacional guiado por AI y síntesis de laboratorio para descubrir dos nuevas fases de oxidación de calcio, demostrando el potencial de la IA para acelerar la investigación de materiales inorgánicos y validación experimental
• Dado que las industrias dependen cada vez más de los materiales avanzados para mejorar la eficiencia energética, el rendimiento electrónico y las capacidades de fabricación, se espera que las plataformas de descubrimiento impulsadas por la IA sigan siendo instrumentos importantes para acelerar la innovación y reducir los obstáculos para el desarrollo.

¿Qué factores están afectando el crecimiento de la IA en el mercado del descubrimiento de materiales

• El descubrimiento de materiales basados en la inteligencia artificial requiere acceso a conjuntos de datos grandes, fiables y estandarizados, recursos computacionales significativos y conocimientos científicos especializados para elaborar modelos predictivos precisos y validar los materiales propuestos.
• Por ejemplo, en marzo de 2023, npj Computational Materials publicó una reseña titulada Small Data Machine Learning in Materials Science, destacando cómo los conjuntos de datos de capacitación limitados pueden restringir la precisión del modelo y aumentar el riesgo de sobreajuste, creando desafíos para el descubrimiento de material fiable impulsado por AI.
• Los datos experimentales inconsistentes, la información limitada sobre los intentos de síntesis infructuosos y las diferencias entre las predicciones computacionales y los resultados del laboratorio real pueden reducir la fiabilidad del modelo y restringir la adopción comercial.
• La necesidad de verificación experimental, interpretación modelo, infraestructura especializada e integración con los flujos de trabajo de laboratorio existentes sigue aumentando la complejidad de la aplicación, en particular para las organizaciones de investigación más pequeñas y los fabricantes con recursos técnicos limitados.
• Por ejemplo, en febrero de 2024, Digital Discovery, publicado por la Royal Society of Chemistry, reportó retos en la reproducción de resultados de un marco informático de aprendizaje automático de materiales, identificando cuestiones relacionadas con dependencias de software, seguimiento de versiones, organización de códigos y documentación que pueden dificultar la reproducibilidad y la confianza en investigación basada en AI
• Estos desafíos técnicos y operativos pueden frenar la comercialización de materiales generados por IA, ya que los compuestos predichos deben demostrar aún la sintetización práctica, la reproducibilidad, la seguridad y el rendimiento en condiciones reales antes de la adopción industrial generalizada.

¿Cómo se acumula la IA en el mercado del descubrimiento de materiales

La IA en el mercado de descubrimientos materiales se segmenta sobre la base de componentes, tipo de material, tecnología y aplicación.

• Por componente

Sobre la base del componente, la IA en el mercado de descubrimientos de materiales se segmenta en software, hardware y servicios. El segmento de software dominó el mercado con una participación estimada del 55,0% en 2025, debido a la creciente adopción de plataformas informáticas de materiales impulsados por AI, herramientas de modelado predictivo y software de simulación computacional. Estas soluciones permiten a los investigadores analizar conjuntos de datos científicos, predecir propiedades materiales y detectar posibles compuestos antes de experimentos de laboratorio. La integración con los sistemas de modelado molecular y la infraestructura de computación de alto rendimiento está mejorando aún más sus capacidades. Las plataformas de software también soportan el diseño de materiales, la visualización de datos y la automatización del flujo de trabajo de investigación. La creciente adopción del aprendizaje automático y la IA generativa está fortaleciendo la demanda de software en la fabricación química, electrónica y almacenamiento energético.

Se espera que el segmento de servicios sea testigo del crecimiento más rápido en la CAGR del 30,2% durante el período de previsión, impulsado por el aumento de la demanda de aplicación especializada y conocimientos técnicos. Estos servicios incluyen el desarrollo de modelos AI, la preparación de datos científicos, la integración de plataformas y la consultoría de investigación computacional. Las empresas de materiales a menudo requieren asistencia de expertos para incorporar herramientas de inteligencia artificial en los flujos de trabajo de investigación y desarrollo existentes. Los proveedores de servicios también ayudan a las organizaciones a validar predicciones e interpretar resultados computacionales complejos. La creciente demanda de aplicaciones personalizadas de IA está apoyando actividades de consultoría e integración. La colaboración entre proveedores de software, científicos de materiales y fabricantes industriales está ampliando los requisitos de servicio.

• Por tipo de material

Sobre la base del tipo de material, la IA en el mercado de descubrimientos de materiales se segmenta en polímeros, metales y aleaciones, cerámica, compuestos, nanomateriales, semiconductores, productos químicos, biomateriales,y otros. El segmento de productos químicos dominaba el mercado con una cuota estimada del 30,0% en 2025, apoyada por la creciente adopción de la IA para la optimización de la formulación química, el desarrollo de catalizadores y el descubrimiento de materiales especializados. Los fabricantes químicos utilizan modelos de aprendizaje automático para analizar estructuras moleculares y predecir propiedades químicas antes de pruebas experimentales. La detección impulsada por AI también ayuda a identificar compuestos prometedores para recubrimientos, adhesivos, químicos industriales y polímeros de alto rendimiento. La integración de la química computacional y la analítica predictiva está mejorando la eficiencia de la investigación y reduciendo los experimentos innecesarios de laboratorio. La creciente demanda de formulaciones químicas avanzadas en la fabricación, la energía y la electrónica está apoyando aún más la adopción.

Se espera que el segmento de semiconductores sea testigo del crecimiento más rápido en la CAGR del 30,1% durante el período de previsión, impulsado por el aumento de la demanda de materiales electrónicos avanzados y tecnologías de chips de próxima generación. Las plataformas de descubrimiento impulsadas por AI permiten a los investigadores evaluar composiciones semiconductores, predecir propiedades eléctricas e identificar materiales adecuados para aplicaciones electrónicas. La creciente complejidad en la fabricación de chips aumenta la necesidad de materiales que proporcionen mayor conductividad, estabilidad térmica y eficiencia energética. El análisis computacional basado en AI ayuda a los investigadores a investigar los materiales candidatos antes de comprometerse a costosos procesos de fabricación. Aumentar las inversiones en infraestructura de inteligencia artificial, electrónica de energía y fabricación avanzada de semiconductores están creando demanda adicional. La integración del aprendizaje automático con simulaciones atomísticas está ampliando la gama de propiedades materiales que se pueden evaluar

• By Technology

Sobre la base de la tecnología, la IA en el mercado de descubrimientos materiales se segmenta en el aprendizaje automático, el aprendizaje profundo, la inteligencia artificial generativa, el procesamiento del lenguaje natural, la analítica predictiva, las redes neuronales gráficas y otros. El segmento de aprendizaje automático dominaba el mercado con una cuota estimada del 36,0% en 2025, debido a su uso generalizado en predicción de propiedades materiales, optimización de la composición y selección de candidatos. Los algoritmos de aprendizaje automático identifican relaciones entre estructuras materiales, composiciones y características de rendimiento utilizando datos experimentales y computacionales. Estas capacidades permiten a los investigadores priorizar los materiales prometedores y reducir las pruebas repetitivas. Las técnicas de aprendizaje supervisadas y no supervisadas también apoyan la clasificación de materiales y la identificación de patrones en conjuntos de datos complejos. La integración con software de simulación y bases de datos científicas está mejorando aún más la utilidad modelo.

Se espera que el segmento de inteligencia artificial generativa registre el crecimiento más rápido en un CAGR de 37,1% durante el período de previsión, impulsado por el aumento de la demanda de sistemas de inteligencia artificial capaces de diseñar materiales con propiedades específicas. Los modelos generadores pueden proponer nuevas estructuras moleculares y composiciones materiales que no puedan identificarse fácilmente a través de la detección convencional. Los investigadores pueden utilizar estos sistemas para explorar materiales candidatos con características mecánicas, químicas, térmicas o electrónicas específicas. Los avances en modelos de fundaciones y algoritmos generativos están expandiendo su aplicación en materiales de batería, catalizadores, polímeros y investigación semiconductora. La integración con simulaciones computacionales permite evaluar los materiales propuestos antes de la síntesis física. Aumentar el interés en la innovación de materiales acelerados es alentar a las instituciones de investigación y a los fabricantes a adoptar estas tecnologías.

• By Application

Sobre la base de la aplicación, la IA en el mercado de descubrimientos de materiales se segmenta en predicción de propiedades materiales, modelado molecular y simulación, descubrimiento de materiales de almacenamiento de baterías y energía, descubrimiento de materiales semiconductores y electrónicos, descubrimiento de materiales farmacéuticos y fármacos, descubrimiento y optimización de catalizadores, diseño y desarrollo de polímeros, predicción de la ruta de síntesis de materiales y otros. El segmento de predicción de propiedades materiales dominaba el mercado con una cuota estimada del 38,0% en 2025, impulsada por el aumento de la demanda de predicciones precisas de características materiales antes de la validación de laboratorio. Los modelos AI ayudan a los investigadores a estimar la resistencia mecánica, la estabilidad térmica, la conductividad eléctrica y la reactividad química. Estas predicciones permiten a los equipos de investigación analizar los materiales candidatos de manera más eficiente y priorizar composiciones prometedoras. La integración con herramientas de ciencia de materiales computacionales mejora el análisis de complejas relaciones estructura-propiedad. Los fabricantes también utilizan modelos predictivos para orientar el desarrollo de productos y optimizar el rendimiento de materiales.

Se espera que el segmento de descubrimiento de materiales de almacenamiento de baterías y energía sea testigo del crecimiento más rápido en CAGR del 32,2% durante el período previsto, impulsado por el aumento de la demanda de mayor rendimiento de baterías, densidad energética, velocidad de carga y seguridad. Las plataformas basadas en IA ayudan a los investigadores a identificar y evaluar materiales de electrodo, electrolitos y otros componentes de batería con propiedades electroquímicas prometedoras. Los modelos de aprendizaje automático analizan los conjuntos de datos experimentales para predecir el comportamiento de la batería e identificar composiciones candidatas para nuevas pruebas. La creciente adopción de vehículos eléctricos y las inversiones en almacenamiento de energía renovable están aumentando la necesidad de tecnologías avanzadas de baterías. La detección guiada por AI también puede ayudar a los investigadores a investigar alternativas a materias primas costosas o con restricciones de suministro. La integración con laboratorios automatizados y simulaciones computacionales está acelerando los flujos de trabajo de investigación de baterías.

¿Qué región posee la mayor parte de la IA en el mercado del descubrimiento de materiales

• América del Norte dominó la IA en el mercado de descubrimientos materiales con la mayor cuota de ingresos del 41,6% en 2025, con el apoyo de infraestructuras avanzadas de investigación de IA, inversiones tecnológicas fuertes y colaboración entre universidades, instituciones de investigación y empresas de ciencias materiales.
• La región también se beneficia de una fuerte colaboración entre universidades, laboratorios gubernamentales y fabricantes industriales, junto con la creciente adopción de plataformas de investigación impulsadas por IA en todo tipo de productos farmacéuticos, semiconductores, productos químicos y almacenamiento energético. El aumento de las inversiones en informática de alto rendimiento, IA generativa y materiales computacionales siguen fortaleciendo la posición de liderazgo de América del Norte en el mercado global.

U.S. AI in Material Discovery Market Insight

La AI estadounidense en el mercado de descubrimientos materiales es testigo de un fuerte crecimiento debido al aumento de las inversiones en investigación de inteligencia artificial, desarrollo avanzado de materiales y tecnologías de química computacional. El ecosistema tecnológico maduro del país, junto con la creciente adopción de sistemas de aprendizaje automático, IA generativa y modelado predictivo, impulsa la demanda en aplicaciones semiconductoras, farmacéuticas, químicas y de almacenamiento energético. Además, el creciente énfasis en la aceleración de la investigación y el desarrollo, la reducción de los costos de descubrimiento material y la mejora del rendimiento material está acelerando la adopción de plataformas de descubrimiento impulsadas por la IA.

Asia-Pacific AI in Material Discovery Market Insight

Se espera que la AI de Asia y el Pacífico en el mercado de descubrimientos materiales experimente un rápido crecimiento, impulsado por la expansión de la fabricación electrónica, el aumento de las inversiones en inteligencia artificial y la creciente demanda de materiales avanzados en países como China, Japón y la India. La creciente adopción de tecnologías de aprendizaje automático, aprendizaje profundo y simulación, junto con la creciente demanda de baterías innovadoras, semiconductores y materiales químicos, está apoyando la expansión del mercado regional. Además, el aumento de las inversiones en infraestructura de investigación y las colaboraciones entre empresas tecnológicas, universidades y institutos de ciencias de materiales están acelerando la adopción de la IA en los sectores industrial y académico.

Japón AI en el mercado de descubrimientos materiales

The Japan AI in material discovery market is witnessing consistent growth due to rising investments in advanced materials research, semiconductor innovation, and artificial intelligence technologies. Los fabricantes de electrónica, las empresas automotriz y los institutos de investigación están adoptando cada vez más plataformas impulsadas por AI para acelerar la detección de materiales, predecir propiedades materiales y mejorar la investigación y la eficiencia del desarrollo. Además, el aumento de la demanda de materiales de batería de alto rendimiento, polímeros avanzados y componentes electrónicos de próxima generación contribuye aún más al crecimiento del mercado en el Japón.

China AI en el mercado de descubrimientos materiales

La AI de China en el mercado de descubrimientos materiales está creciendo rápidamente, impulsada por la expansión de la producción de semiconductores, el aumento de las inversiones en inteligencia artificial y el aumento del enfoque gubernamental en la autosuficiencia tecnológica. La creciente adopción de modelos de materiales habilitados por AI y analítica predictiva en la fabricación de baterías, electrónicas, productos químicos y investigación de materiales avanzados está impulsando significativamente la demanda del mercado. Además, el aumento de las inversiones en las capacidades nacionales de investigación, las tecnologías de almacenamiento de energía y los materiales de alto rendimiento están posicionando a China como un mercado clave de crecimiento para el descubrimiento de materiales impulsados por la IA.

U.K. AI in Material Discovery Market Insight

El U.K. AI en el mercado de descubrimientos materiales está experimentando un crecimiento constante, apoyado por la creciente adopción de inteligencia artificial en investigación científica, desarrollo farmacéutico y ingeniería de materiales avanzados. El aumento de las inversiones en la infraestructura de investigación de IA y la creciente demanda de soluciones eficientes de detección de materiales basadas en datos contribuyen al crecimiento del mercado. Además, la integración del aprendizaje automático, la IA generativa y el modelado computacional está mejorando la predicción material y la eficiencia de la investigación, posicionando al Reino Unido como un importante centro de innovación en la IA en la industria del descubrimiento de materiales.

Alemania AI en el mercado de descubrimientos materiales

La IA alemana en el mercado de descubrimientos materiales se está expandiendo constantemente debido a la fuerte base industrial del país, las capacidades avanzadas de ingeniería y la adopción creciente de tecnologías de IA de próxima generación. Los fabricantes de automóviles, las empresas químicas, los desarrolladores semiconductores y los institutos de investigación están utilizando cada vez más plataformas de IA para el diseño de materiales, la predicción de propiedades y actividades de investigación y desarrollo. Los avances continuos en el aprendizaje automático, la simulación computacional y la ingeniería de materiales basados en datos, junto con un fuerte enfoque de la industria en la innovación y la eficiencia de fabricación, están impulsando el crecimiento del mercado en Alemania.

¿Cuáles son las mejores empresas de AI en el mercado del descubrimiento de materiales

La IA en la industria del descubrimiento material está dirigida principalmente por empresas bien establecidas, incluyendo:

• Citrine Informatics, Inc(U.S.)
• Schrödinger, Inc.(U.S.)
• Materiales. Zone Technologies Ltd(Israel)
• Kebotix, Inc(U.S.)
• Aionics, Inc.(U.S.)
• CuspAI Ltd. (U.K.)
• Preferente de Química Computacional, Inc. (Japón)
• Enthought, Inc. (U.S.)
• UL Research Institutes (Estados Unidos)
• Materiales descubiertos
• Yonder Materials (U.S.)
• Laboratorios de doble (U.S.)
• Thetic (U.K.)
• XtalPi Holdings Limited (China)
• SES AI Corporation (Estados Unidos)
• QuantumScape Corporation (Estados Unidos)
• Schrödinger Materials Science (Estados Unidos)
• NVIDIA Corporation (Estados Unidos)
• International Business Machines Corporation (U.S.)
• Microsoft Corporation (Estados Unidos)

¿Cuáles son los últimos desarrollos en AI en el mercado del descubrimiento de materiales

• En junio de 2025, Aionics lanzó su plataforma de Inteligencia Molecular Artificial (AMI), diseñada para acelerar el desarrollo de la formulación para electrolitos de batería y otras aplicaciones químicas. La plataforma utiliza IA para analizar formulaciones químicas complejas mientras se contabilizan las interacciones moleculares y las limitaciones prácticas de formulación, ayudando a los investigadores a evaluar los materiales potenciales de manera más eficiente. Este lanzamiento destaca el creciente papel de los sistemas especializados de IA en la aceleración de la investigación de materiales e innovación de baterías.
• En abril de 2025, SES AI anunció su plataforma de descubrimiento de materiales MU-0 del Universo Molecular, combinando métodos basados en la física e inteligencia artificial para apoyar el descubrimiento de materiales de batería. La empresa tenía previsto demostrar la plataforma de software y servicios para mostrar cómo el análisis molecular habilitado para AI podría apoyar el desarrollo de tecnologías avanzadas de baterías de litio-metal y iones de litio. This development reflects the increasing use of AI-driven tools to accelerate materials discovery for energy storage.
• En julio de 2024, investigadores del Laboratorio Nacional de Aceleración de SLAC y la Universidad de Stanford presentaron un enfoque basado en AI para el descubrimiento de materiales específicos. El método fue diseñado para mejorar la eficiencia de recopilar y analizar datos mientras buscaba materiales con propiedades específicas. La investigación podría ayudar a los científicos a identificar candidatos prometedores para aplicaciones que van desde tecnologías climáticas hasta cálculos cuánticos, apoyando al mismo tiempo el desarrollo de flujos de trabajo experimentales más automatizados.
• En noviembre de 2023, Google DeepMind anunció que su herramienta de aprendizaje profundo GNoME había predicho 2,2 millones de nuevas estructuras de cristal, incluyendo aproximadamente 380.000 predijeron ser estables y potencialmente útiles para las futuras tecnologías. El equipo puso a disposición de la comunidad investigadora las estructuras pronosticadas prometedoras a través del Proyecto Materiales, apoyando la investigación de materiales para baterías, electrónicas y otras aplicaciones. The development demonstrated how AI could expand the range of candidate materials available for scientific testing.
• En julio de 2021, la Química Computacional Preferida lanzó Matlantis como un servicio de simulación atomística basado en la nube. Desarrollado con redes preferidas y ENEOS, la plataforma integró el aprendizaje profundo con simulación física convencional para acelerar el análisis de comportamiento material atómico. Su enfoque fue diseñado para ayudar a los investigadores industriales y académicos a explorar una amplia gama de materiales potenciales más eficientemente, marcando un importante desarrollo comercial temprano en el descubrimiento de materiales impulsados por AI.

SKU-76906