Toda campaña de descubrimiento parte de algo. A veces es solo un objetivo: una dureza, una temperatura, un precio. A veces es un material que tu equipo ya fabrica y quiere llevar más lejos. Y a veces, antes de confiar una pregunta abierta a un motor, quieres verlo llegar a una respuesta que ya conoces.
MS Lattice los trata como cuatro modos en un solo motor: Open Discovery, Prototype-Guided Optimization, Guided Rediscovery y el Blind Rediscovery Benchmark. Los cuatro funcionan en los veintitrés dominios de materiales, desde tu propio agente, la API, el SDK o la línea de comandos. Esta guía explica qué requiere cada modo, qué hace y qué obtienes, cuándo encaja cada uno y cómo los combinan los equipos.
Elige según lo que ya tienes
La forma más sencilla de elegir es partir de lo que tienes entre manos y de cuánto de la respuesta debe ver el motor mientras busca.
- Un objetivo, y ningún punto de partida: Open Discovery. El motor solo ve tu objetivo.
- Un material que mejorar: Prototype-Guided Optimization. El motor ve tu objetivo y tu estructura.
- Objetivos como guía: Guided Rediscovery. El motor ve los objetivos conocidos, como guía.
- Objetivos que permanecen sellados: el Blind Rediscovery Benchmark. El motor no ve ninguno de los objetivos hasta la congelación.
Los dos primeros modos encuentran y mejoran materiales. Los otros dos ponen a prueba el motor: lo dirigen hacia respuestas ya conocidas, a la vista o bajo sello, para que pueda medirse cómo llega a ellas. Entre todos cubren el abanico de preguntas que se plantea un programa de materiales, desde qué material fabricar a continuación hasta si el motor merece el tiempo de tu laboratorio.


Open Discovery: un objetivo, y ningún punto de partida
Elige Open Discovery cuando tienes un objetivo, no una estructura de partida. Le das un dominio, un preajuste de meta o tus propios objetivos, y un presupuesto. Busca en todo el espacio de composiciones y te devuelve un conjunto de candidatos diverso y ordenado, cada uno con su registro. Es lo mejor para materiales nuevos, solo a partir del objetivo.
Es el diseño inverso en su forma más simple. El ejemplo registrado es un recubrimiento de mecanizado descrito con tres cifras: 28 GPa, 800 °C y $30 el kilo. No se dio ninguna estructura de partida, y (Ti,Al)N y (Cr,Al)N, los recubrimientos con los que trabaja hoy la industria, quedaron entre los cinco primeros. Un motor que llega a las respuestas de la propia industria solo a partir de la función te da motivos para examinar con atención el resto de su preselección.
Open Discovery encaja cuando un producto nuevo necesita un material con el que tu equipo nunca ha trabajado, cuando un problema de suministro descarta el elemento del que depende tu material actual y quieres ver el campo con ojos nuevos, o cuando quieres una primera mirada amplia a un dominio antes de comprometerte con una familia. La diversidad es intencionada: la preselección te da respuestas sólidas distintas, no una única familia de casi copias.
Prototype-Guided Optimization: un material que mejorar
Elige Prototype-Guided Optimization cuando tienes un buen material y lo quieres mejor. Le das una estructura de partida y lo que hay que mejorar. Busca alrededor de tu estructura y sigue cada variante en comparación con el original, y obtienes variantes ordenadas en comparación con tu prototipo. Es lo mejor para llevar más lejos el material que usas hoy.
Gran parte del trabajo industrial con materiales es así. Un material que ya está en producción acumula años de conocimiento de proceso, relaciones con proveedores e historial de pruebas, así que cambiarlo sale caro, y el mejor cambio suele ser pequeño: una sustitución que mantiene una propiedad a mayor temperatura, reduce un elemento escaso o abarata el coste conservando todo lo demás casi igual. Como cada variante se sigue en comparación con el original, tu equipo ve qué gana cada una y a qué renuncia.
El ejemplo que da MS Lattice es el imán de automoción actual, en el que se buscan variantes que conserven su fuerza a la temperatura del motor. El mismo patrón sirve para un cátodo que quieres con menos cobalto o un recubrimiento que tiene que resistir un corte más caliente. No necesitas un material completamente nuevo para empezar: parte del que tienes y mejóralo.
Los modos de redescubrimiento: guiado y a ciegas
Los dos modos de redescubrimiento responden a otra pregunta. No buscan algo nuevo; muestran lo bien que el motor llega a algo conocido, para que tu equipo pueda juzgar cuánto confiar en él antes de dirigirlo hacia lo desconocido.
Guided Rediscovery
Elige Guided Rediscovery para dirigir el motor hacia un material conocido y verlo llegar. Le das estructuras objetivo conocidas. Deja que los objetivos guíen la búsqueda y puntúa lo cerca que llega cada candidato a ellos, y obtienes un nivel de coincidencia para cada objetivo. Guiado hacia el diboruro de circonio, cada uno de los 14 candidatos puntuados coincidió con él en todos los niveles, en una campaña de unos tres minutos, el más próximo a no más de 0,0008 Å.
Encaja al principio de una evaluación, cuando tu equipo quiere ver al motor llegar a un material que conoce bien, o como una primera campaña corta que muestra a los compañeros cómo se leen los candidatos, los niveles de coincidencia y los registros antes de dedicar una ronda a una pregunta abierta.
El Blind Rediscovery Benchmark
Elige el Blind Rediscovery Benchmark para sellar la respuesta y ver si vuelve a aparecer. Le das objetivos sellados, ocultos al motor mientras busca y ordena. Busca sin las respuestas, congela los candidatos, luego revela los objetivos y puntúa la coincidencia, y obtienes un veredicto graduado para cada objetivo. Una comprobación de filtraciones confirma que cada coincidencia se encontró, no se recordó; una coincidencia procedente de cualquier cosa que hubiera visto el objetivo nunca se considera a ciegas.
Según el registro, dos cerámicas de ultraalta temperatura selladas se encontraron ambas, hasta la disposición de sus átomos, entre 64 candidatos en dos rondas, en 32 minutos, por menos de 20 céntimos. Reejecutado de principio a fin, superó 9 de 9 comprobaciones. Elígelo antes de confiar en el motor en un dominio nuevo, cuando un revisor o un cliente quiere evidencias que pueda comprobar, o cuando quieres comparar motores en igualdad de condiciones.


Combinar modos a lo largo de las rondas
La mayoría de los programas no eligen un modo y se detienen ahí. Una campaña termina con una preselección y un registro, y la siguiente ronda parte de lo que conservaste: quédate con el ganador, ajusta el objetivo y vuelve a ejecutar. Una secuencia habitual es esta.
- Demuéstralo con lo que conocesEjecuta Guided Rediscovery o el Blind Rediscovery Benchmark con materiales que tu equipo ya conoce bien en el dominio objetivo. Los niveles de coincidencia y los veredictos graduados te dicen cuánto confiar en el motor en ese dominio.
- Abre la preguntaEjecuta Open Discovery solo a partir del objetivo, con tus requisitos y preferencias, para obtener un conjunto de candidatos diverso y ordenado.
- Comprueba lo que importaSomete los candidatos que elijas a verificación por primeros principios de estabilidad, constantes elásticas o fonones antes de que nada llegue al laboratorio.
- Refina los mejoresToma el candidato más sólido, o el material que ya fabricas, como estructura de partida para Prototype-Guided Optimization, y ordena sus variantes en comparación con él.
- Pásalo al laboratorioExporta la preselección como archivos de estructura con sus registros para tu laboratorio, o deja que Norck sintetice, valide y fabrique el ganador.
Los equipos con un material ya en producción suelen seguir el orden inverso: primero Prototype-Guided Optimization, para ver hasta dónde puede llegar el material actual, y después Open Discovery si la distancia al objetivo sigue siendo demasiado grande. Todos los modos funcionan en el mismo motor y cada candidato lleva el mismo tipo de registro, así que una ronda se lee igual que la siguiente. Tu agente de IA también puede ejecutar la secuencia: a través de MCP elabora cada plan, ve antes el precio y lee los candidatos, en campañas de minutos o de semanas.
Lo que te dicen los resultados registrados
- 14 de 14candidatos dentro del objetivo en Guided Rediscovery
- 0.0008 Åel candidato más próximo al diboruro de circonio
- 2 de 2objetivos sellados encontrados a ciegas
- < $0.20por la ejecución a ciegas de 64 candidatos
Los dos resultados de redescubrimiento responden a preguntas distintas. Guided Rediscovery muestra que, cuando al motor se le indica dónde está la respuesta, llega a ella con precisión y rapidez. El Blind Rediscovery Benchmark muestra algo más difícil: que llega sin que se le indique. Leídos junto al resultado con fórmulas, la estructura correcta en primer lugar en 13 de 15 compuestos solo a partir de una fórmula, son el motivo para tomarse una preselección de Open Discovery lo bastante en serio como para dedicarle tiempo de laboratorio.
Preguntas que hacen los equipos
¿Con qué modo deberíamos empezar?
Parte de lo que tienes. Un objetivo y nada más apunta a Open Discovery; un material que fabricas hoy apunta a Prototype-Guided Optimization. Si tu equipo quiere ver primero cómo funciona el motor en tu dominio, empieza con Guided Rediscovery o con un benchmark a ciegas sobre materiales que conoces.
¿Funcionan los cuatro modos en todos los dominios?
Sí. Los cuatro modos funcionan en los veintitrés dominios, desde tu propio agente, la API, el SDK o la línea de comandos.
¿Podemos hacer un benchmark a ciegas con materiales que conocemos?
Sí. Los objetivos permanecen sellados mientras MS Lattice busca y ordena, los candidatos se congelan y solo entonces se revelan los objetivos y se califica cada coincidencia.
¿Necesitamos un material completamente nuevo para obtener valor?
No. Empieza por el que tienes y mejóralo. Prototype-Guided Optimization está diseñado para eso.


El primer motor de dominio de MatterSpace
MatterSpace construyó MS Lattice para los científicos e ingenieros que descubren y diseñan nuevos materiales, a partir de las propiedades que necesita su producto.









