¿CON QUÉ IA?A quién le sirve. Investigadores y equipos de ciencia de materiales; a un negocio normal le queda lejos, pero la idea de varios agentes que buscan, calculan y se contradicen le sirve a quien haga investigación técnica.
Qué hicieron
Un equipo de agentes de Claude Opus 5.5, junto con el autor, buscó un tipo raro de imanes: antiferromagnetos sin magnetismo total en los que los electrones aun así se ordenan según su espín. Los agentes lanzaron simulaciones de física de materiales con dos niveles de aproximación. Diseñaron un compuesto nuevo, YBaMnFeO₅, y encontraron en la literatura de 1999 otro, KV[Cr(CN)₆].
Cómo salió
Ambos se predicen como semiconductores con un margen de espín muy superior a la energía térmica ambiente. El orden del primero probablemente se pierde a las temperaturas de fabricación. Del segundo faltan por medir la banda prohibida y la separación de espín, y los dos métodos no coinciden sobre el efecto del agua.
Conviene saber
Son predicciones para cristales perfectos. El siguiente paso es volver a fabricar el KV[Cr(CN)₆] y medirlo. El código y las salvedades están en GitHub.
Qué necesitas
- Acceso a un modelo de IA que pueda lanzar varios agentes a la vez desde un programa o desde la terminal, la ventana donde se escriben órdenes (el caso usa Claude Opus 5.5)
- Programas de simulación de materiales, como los cálculos DFT del caso (simulan cómo se comportan los electrones en un cristal), y un equipo o servidor con potencia para ejecutarlos
- Acceso a bases de datos abiertas de materiales, como Materials Project, y a artículos científicos
- Una persona del campo que revise cada resultado
- Un repositorio, por ejemplo en GitHub, donde publicar el código y las salvedades
Cómo hacerlo tú, paso a paso
- Define con exactitud la propiedad que buscas (en el caso, un tipo concreto de imán) y qué cuenta como candidato válido.
- Pide a un agente que revise la literatura y las bases abiertas y devuelva una lista corta de candidatos, con las pruebas y la fuente de cada uno.
- Pide a otros agentes que comprueben cada candidato con simulaciones a dos niveles de aproximación: una más rápida y otra más exigente. Si no coinciden, anótalo.
- Deja que otro agente proponga compuestos nuevos a partir de los que mejor funcionan y simúlalos con el mismo método.
- Separa en el informe lo calculado de lo medido en laboratorio, con la fuente de cada dato.
- Publica el código y las salvedades (qué no se ha medido, dónde discrepan los métodos) para que otros puedan repetirlo.
- Lleva la lista corta a un laboratorio para fabricar y medir el material.
Quiero encontrar candidatos a semiconductores magnéticos que funcionen a temperatura ambiente para [aplicación o familia de materiales]. Busca en la literatura reciente y en bases de datos abiertas como Materials Project, y elige dos candidatos con su temperatura de Curie, su banda prohibida y las pruebas que hay de cada uno. Habrás terminado con un informe corto que cite todas las fuentes e indique qué datos son calculados y cuáles medidos en laboratorio.
Consejos
- Anota siempre qué es una predicción y qué es una medida. Un cálculo para un cristal perfecto no garantiza que el material real se comporte igual.
- Si dos métodos dan resultados distintos, no te quedes con el que más te gusta: cuéntalo en el informe.
- Pide a otro agente, o a una persona, que intente tumbar cada candidato antes de darlo por bueno.
Preguntas frecuentes
¿Puede hacerlo alguien sin formación científica?
No tal cual, porque plantear bien el problema y entender los resultados exige saber física de materiales. Lo que sí se copia es el método: un grupo de agentes que buscan, calculan y se revisan entre sí.
¿Qué cuesta algo así?
Depende del uso del modelo y del tiempo de cálculo. Las simulaciones pesadas piden un ordenador con mucha capacidad o alquilar servidores, así que calcula cuántas vas a lanzar antes de empezar.
Fuentes
La conversación en Hacker News, 5 de octubre de 2026 ↗En el directorio desde el 6 de octubre de 2026.
Staatsgeheim/MathKernel en GitHub
@german-noob.win en Bluesky