Autopiloto para materiales digitales ✎ exprés

Original: "AutoPot: Automated and massively parallelized construction of Machine-Learning Potentials"
· Max Hodapp, Guillaume Anciaux
arXiv:2601.01185 · 2026-01-03 · arXiv non-exclusive · análisis propio · 1 min
Un nuevo programa entrena por sí solo modelos informáticos de átomos, liberando a los científicos de la rutina.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

Los modelos informáticos que predicen las propiedades de los materiales a nivel atómico suelen requerir un largo ajuste manual. Para que un modelo funcione con precisión, se le muestran numerosos ejemplos: cómo están dispuestos los átomos y cómo interactúan. Los científicos dedican semanas a seleccionar estos ejemplos a mano. El nuevo programa AutoPot lo hace por sí solo.

AutoPot funciona como un piloto automático: él mismo elige qué configuraciones atómicas mostrar al modelo, lanza los cálculos necesarios y supervisa el proceso. Si el modelo se equivoca, el programa añade nuevos ejemplos para corregir la inexactitud. AutoPot se basa en dos herramientas: BlackDynamite, que realiza múltiples cálculos simultáneamente, y Motoko, que gestiona su secuencia.

El programa no solo acelera el trabajo, sino que lo hace reproducible. Cualquier científico puede tomar el mismo conjunto de datos y obtener los mismos resultados.

Gracias a su flexibilidad, AutoPot es fácil de ampliar: los investigadores pueden añadir sus propios métodos de cálculo sin reescribir todo el código. Es como un juego de construcción cuyas piezas son intercambiables. Ya ahora el programa admite métodos de modelado populares, y en el futuro se podrán conectar otros.

AutoPot debe su nombre a la automatización y a los potenciales (potentials), funciones matemáticas que describen la interacción entre átomos. Resulta ser el «potencial automático».

En la ciencia ficción a menudo se muestran computadoras que diseñan por sí mismas nuevos materiales; AutoPot da el primer paso hacia eso al automatizar la parte rutinaria del trabajo.

Científicos
Erwin SchrödingerHugh Everett IIIAndrey Markov
Conceptos
automatización potencial interatómico aprendido por máquina robot aprendizaje automático procesamiento paralelo entrenamiento aprendizaje xgboost procesamiento del lenguaje natural slam algoritmo cuántico