Revisa el tiempo en las faenas mineras de Chile
Innovación y Tecnología

Laboratorios autónomos: la inteligencia artificial ya dirige experimentos y acelera el descubrimiento de nuevos materiales

En el desarrollo de materiales para minería, cada combinación de temperatura y química puede exigir nuevos ensayos antes de hallar una opción útil.

Laboratorios autónomos: la inteligencia artificial ya dirige experimentos y acelera el descubrimiento de nuevos materiales

Estados Unidos y China avanzan en laboratorios donde sistemas de inteligencia artificial diseñan experimentos, controlan robots y analizan resultados sin intervención humana constante. Una inversión de US$20 millones busca ampliar esta tecnología, con aplicaciones en minería, energía, química y desarrollo de materiales estratégicos.

La investigación científica está entrando en una etapa donde la inteligencia artificial no solo interpreta información, sino que también decide qué experimentos realizar y cómo modificarlos a partir de sus resultados. Durante 2026, nuevos desarrollos en Estados Unidos y China demostraron que los laboratorios autónomos pueden coordinar instrumentos, ejecutar pruebas químicas y optimizar materiales con una participación humana considerablemente menor que en los procedimientos tradicionales.

Uno de los proyectos más relevantes es PoLARIS, desarrollado por la Universidad de Chicago y el Laboratorio Nacional Argonne, que recibió un financiamiento de US$20 millones de la Fundación Nacional de Ciencias de Estados Unidos (NSF). La iniciativa contempla conectar más de 20 sistemas automatizados distribuidos en cinco laboratorios y alcanzar una capacidad de entre 100 y 300 experimentos diarios cuando esté completamente operativa.

El avance responde a una limitación estructural de la investigación: desarrollar nuevos compuestos, tecnologías energéticas o métodos de recuperación de minerales exige comprobar numerosas combinaciones de temperatura, presión, concentración química y otros parámetros.

La inteligencia artificial comienza a modificar ese proceso al identificar qué pruebas tienen mayores posibilidades de aportar información útil, evitando repetir innecesariamente experimentos que consumen tiempo, energía y materiales.

Cómo funciona un laboratorio que decide sus propios experimentos

Los denominados self-driving laboratories, o laboratorios autónomos, combinan robótica, sensores, sistemas de análisis y algoritmos de aprendizaje automático.

Su funcionamiento se organiza mediante ciclos de investigación que pueden desarrollarse de forma continua.

Primero, un investigador establece un objetivo, como encontrar un material más resistente, mejorar una reacción química o identificar condiciones de fabricación más eficientes.

La inteligencia artificial analiza los antecedentes disponibles y selecciona las pruebas que considera más informativas.

Posteriormente, sistemas robóticos preparan muestras, mezclan sustancias, controlan temperaturas y ejecutan mediciones mediante instrumentos especializados.

Cuando termina el procedimiento, los resultados regresan al sistema informático, que evalúa lo ocurrido y decide qué condiciones conviene probar a continuación.

La diferencia fundamental frente a la automatización convencional es que la inteligencia artificial puede modificar la secuencia experimental a partir de nueva evidencia, en lugar de limitarse a ejecutar instrucciones previamente programadas.

Esto permite desarrollar campañas de investigación donde cada resultado contribuye a definir el experimento siguiente.

Un sistema analizó más de 5.000 combinaciones realizando menos del 1% de las pruebas

Uno de los casos más concretos corresponde a AutoBot, una plataforma desarrollada en el Laboratorio Nacional Lawrence Berkeley, en California.

El sistema combina robótica y aprendizaje automático para optimizar la fabricación de materiales avanzados utilizados en tecnologías como las celdas solares.

En experimentos con perovskitas de haluros metálicos, AutoBot examinó un espacio de más de 5.000 combinaciones posibles de condiciones de fabricación.

Sin embargo, necesitó comprobar experimentalmente menos del 1% de esas posibilidades para identificar condiciones favorables de producción.

La investigación también permitió determinar la influencia de la humedad sobre la formación y estabilidad de los materiales estudiados.

Los resultados científicos fueron difundidos durante 2025 y recibieron una nueva exposición institucional el 10 de noviembre de 2026, en el contexto del desarrollo de investigación dirigida por inteligencia artificial.

El caso demuestra una de las principales ventajas de estos sistemas: reducir la cantidad de ensayos necesarios para explorar un problema experimental complejo.

No significa que cualquier investigación pueda completarse con una reducción equivalente de pruebas. Los resultados dependen de las propiedades del material, la calidad de los datos disponibles y la capacidad del modelo para identificar relaciones entre variables.

China desarrolla un laboratorio que coordina experimentos con ADN

El 4 de noviembre de 2026, investigadores de la Universidad Jiao Tong de Shanghái presentaron AutoDNA, una plataforma experimental que integra inteligencia artificial con distintos instrumentos utilizados en biología molecular.

El sistema está diseñado para coordinar procedimientos que involucran manipulación de líquidos, preparación de muestras, análisis de ADN y otras operaciones de laboratorio.

Su arquitectura permite gestionar varias tareas experimentales y organizar su ejecución mediante instrumentos conectados.

Entre las aplicaciones demostradas aparecen procedimientos relacionados con almacenamiento de información en ADN y análisis de ácidos nucleicos.

La investigación representa un avance porque los experimentos biológicos requieren manipular sustancias y equipos con niveles elevados de precisión, lo que dificulta implementar sistemas completamente automatizados.

AutoDNA todavía constituye una plataforma de investigación, pero demuestra que la autonomía experimental puede extenderse más allá de procedimientos químicos relativamente simples.

Estados Unidos invierte US$20 millones para ampliar los laboratorios autónomos

El proyecto PoLARIS apunta a resolver otro desafío: permitir que investigadores accedan a infraestructura experimental compleja sin encontrarse físicamente en el laboratorio.

La iniciativa conectará instalaciones de la Universidad de Chicago con capacidades científicas del Laboratorio Nacional Argonne.

Sus principales características incluyen:

  • Financiamiento: US$20 millones.
  • Duración del programa: cuatro años.
  • Infraestructura: más de 20 sistemas automatizados en cinco laboratorios.
  • Capacidad proyectada: entre 100 y 300 experimentos diarios.
  • Especialización: polímeros, materiales blandos, recubrimientos, adhesivos y materiales electrónicos.

Los investigadores podrán diseñar pruebas y presentar solicitudes remotamente, mientras los sistemas robóticos preparan, ejecutan y analizan los experimentos.

El programa contempla iniciar experimentos autónomos integrales para sus primeras líneas científicas dentro de los 18 meses posteriores al comienzo del proyecto y habilitar servicios para usuarios externos hacia el término de su segundo año.

La capacidad de cientos de pruebas diarias constituye una meta operacional, no un volumen de experimentos ya realizado.

Qué puede cambiar para la minería y la recuperación de minerales críticos

Aunque gran parte de las investigaciones actuales se concentra en química, electrónica y biotecnología, la minería representa un campo de aplicación particularmente relevante.

Los procesos metalúrgicos requieren identificar condiciones que permitan separar minerales valiosos de otros componentes, utilizando reactivos, energía y agua.

En operaciones de cobre, litio y otros minerales estratégicos, pequeñas diferencias en las condiciones químicas pueden modificar la recuperación, la selectividad o el consumo de insumos.

Lawrence Berkeley ya desarrolla investigación vinculada directamente con este desafío.

Su plataforma HIPASS está concebida para estudiar procesos de separación y concentración de minerales presentes en soluciones y pulpas. El sistema incorpora dosificación automática de materiales y reactivos, medición de variables químicas y análisis de resultados mediante inteligencia artificial.

Asimismo, la iniciativa METALLIC reúne capacidades de distintos laboratorios estadounidenses para investigar la recuperación de minerales críticos. En ese marco se desarrollan sistemas autónomos que combinan minerales con aditivos y aplican condiciones térmicas para estudiar la extracción selectiva de elementos como litio, magnesio y cobre.

Para Chile, estas tecnologías podrían adquirir relevancia en investigaciones sobre procesamiento de minerales de menor ley, recuperación desde relaves y optimización de tratamientos hidrometalúrgicos.

También podrían facilitar el estudio de nuevos reactivos y materiales utilizados en plantas concentradoras.

Sin embargo, los avances experimentales no deben confundirse con mejoras industriales demostradas: todavía es necesario comprobar qué resultados pueden trasladarse desde muestras de laboratorio hasta plantas que procesan miles de toneladas diarias.

El desafío de transformar descubrimientos científicos en procesos industriales

La autonomía experimental enfrenta limitaciones técnicas importantes.

Los sistemas necesitan instrumentos compatibles, información confiable y protocolos que permitan repetir los resultados obtenidos.

Además, la inteligencia artificial puede seleccionar experimentos poco útiles si sus datos de entrenamiento son insuficientes o si los modelos no representan adecuadamente las condiciones físicas reales.

En investigaciones químicas, la seguridad adquiere especial relevancia. Una decisión automatizada puede involucrar sustancias peligrosas, altas temperaturas o reacciones que requieren mecanismos independientes de supervisión.

Por ello, los laboratorios autónomos necesitan límites operacionales, sistemas de protección y procedimientos que permitan la intervención humana.

Otro desafío está relacionado con la escalabilidad. Una reacción efectiva en pequeñas cantidades puede comportarse de manera diferente cuando se incrementa el volumen, aparecen impurezas o cambian las condiciones de transferencia de calor y masa.

La autonomía tampoco elimina la necesidad de científicos especializados. Su aporte consiste en liberar parte del trabajo repetitivo y ampliar la capacidad para investigar problemas complejos.

La próxima competencia científica será por la velocidad de experimentación

La expansión de estos laboratorios refleja una transformación en la relación entre inteligencia artificial e investigación científica.

Durante años, los principales avances de la IA estuvieron concentrados en analizar información, reconocer patrones y generar predicciones.

Los nuevos sistemas incorporan una capacidad adicional: intervenir en el mundo físico mediante robots, instrumentos y procedimientos experimentales.

Esto abre la posibilidad de acelerar el descubrimiento de materiales para almacenamiento energético, tecnologías solares, electrónica, catalizadores y recuperación de recursos estratégicos.

Para la minería, el potencial está en reducir el tiempo necesario para investigar métodos de procesamiento y evaluar alternativas capaces de mejorar la eficiencia en el uso de recursos.

No obstante, el impacto económico dependerá de que estas plataformas produzcan resultados reproducibles y que sus descubrimientos puedan escalarse competitivamente.

La transformación más significativa no será que los laboratorios funcionen sin personas, sino que los investigadores puedan explorar una cantidad mucho mayor de alternativas con los mismos recursos.

La competencia científica comienza así a incorporar una nueva variable: no solo importa disponer de grandes instalaciones o capacidad computacional, sino también desarrollar sistemas capaces de aprender directamente de cada experimento y utilizar ese conocimiento para decidir el siguiente.

REDIMIN Responde

¿Qué países están avanzando en el desarrollo de laboratorios autónomos con inteligencia artificial?

Estados Unidos y China están avanzando en el desarrollo de laboratorios autónomos donde la inteligencia artificial diseña experimentos, controla robots y analiza resultados sin intervención humana constante.

¿Cuánto es la inversión destinada a ampliar la tecnología de laboratorios autónomos en Estados Unidos?

La inversión destinada a ampliar la tecnología de laboratorios autónomos en Estados Unidos es de US$20 millones, financiada por la Fundación Nacional de Ciencias de Estados Unidos (NSF).

¿Qué capacidad de experimentos diarios se proyecta para el proyecto PoLARIS?

El proyecto PoLARIS proyecta una capacidad de entre 100 y 300 experimentos diarios cuando esté completamente operativa.

¿Qué tipo de experimentos puede coordinar el sistema AutoDNA desarrollado en China?

El sistema AutoDNA desarrollado en China puede coordinar procedimientos que involucran manipulación de líquidos, preparación de muestras, análisis de ADN y otras operaciones de laboratorio en biología molecular.

¿Qué plataforma está desarrollando el Laboratorio Nacional Lawrence Berkeley para la minería?

El Laboratorio Nacional Lawrence Berkeley está desarrollando la plataforma HIPASS para estudiar procesos de separación y concentración de minerales, incorporando dosificación automática de materiales y reactivos, medición de variables químicas y análisis de resultados mediante inteligencia artificial.

Laboratorios autónomos: la inteligencia artificial ya dirige experimentos y acelera el descubrimiento de nuevos materiales - Revista Digital Minera REDIMIN