Cómo la entropía predice la estructura de las aleaciones exprés

Original: "Information Entropy Based Crystal Structure Prediction of Chemically Disordered Alloys via Graph Convolutional Neural Networks"
· Suman Chabri, Gautam Anand
arXiv:2606.08686 · 2026-06-07 · CC BY 4.0 · 1 min
La entropía de la información funciona como un detector de orden: permite a los científicos saber qué estructura cristalina adoptará una aleación de varios metales, incluso antes de crearla.

Crear una aleación de varios metales es como cocinar una sopa con ingredientes desconocidos: adivinar la textura final sin pruebas es casi imposible. Los modelos habituales suelen fallar cuando hay más de tres tipos de átomos. El nuevo método reemplaza los experimentos interminables por cálculos: cuantas más disposiciones atómicas se prueban, mayor es la entropía de la información, una medida de lo explorado del espacio 'de recetas'. Una red neuronal entrenada con ejemplos, como un catador experimentado, evalúa rápidamente millones de combinaciones, y un truco 'alquímico' permite sustituir mentalmente un elemento por otro durante los cálculos.

Cuando la entropía deja de crecer, se detiene la búsqueda: se han agotado todas las opciones razonables. Así se logra predecir la estructura incluso para mezclas de cinco componentes como la aleación de Cantor (aluminio-cromo-hierro-níquel-cobalto). Incluso el acero —solo una aleación de hierro y carbono— palidece frente a este cóctel atómico. Sorprendentemente, las mismas matemáticas que ayudaron a comprimir una conversación telefónica en bits ahora allanan el camino hacia materiales ultrarresistentes para la aviación.

La entropía nació en los debates sobre el calor gracias a Ludwig Boltzmann, y su hermana informacional ahora calcula no solo el volumen de los mensajes, sino también el probable 'empaquetado' de los átomos en una aleación.

En la serie 'The Expanse' aparecen aleaciones increíblemente resistentes; el método descrito acerca el día en que estos materiales se crearán no por intuición, sino por cálculo.

S = - \sum_i p_i \ln p_i
S es la entropía de la información: cuantas más disposiciones atómicas diferentes se hayan estudiado, mayor será; p_i es la fracción de cada orden posible.
Científicos
Ludwig BoltzmannJames Clerk MaxwellRudolf ClausiusErwin SchrödingerHugh Everett IIIJacob Bekenstein
Conceptos
predicción de propiedades moleculares imagen de cristales con redes neuronales entropía materiales con aprendizaje automático análisis computacional de reacciones composición química redes neuronales convolucionales predicción de conductividad térmica Métodos de Monte Carlo descubrimiento de fármacos con IA entropía de von Neumann análisis de imágenes médicas teoría de la información red neuronal de grafos entropía de Rényi