El descubrimiento de materiales con IA nunca ha avanzado tan rápido. MatterGen, de Microsoft, genera estructuras a partir de propiedades objetivo. OMat24 y Open Catalyst, de Meta FAIR, pusieron el cribado rápido al alcance de muchos. Schrödinger ofrece a los expertos simulación en profundidad. Citrine Informatics aprende de los propios datos de laboratorio de una empresa. Periodic Labs, Lila Sciences y Orbital Materials combinan la IA con laboratorios propios. Cada uno ha hecho avanzar el sector.
MS Lattice responde a la pregunta que de verdad se hace un equipo de materiales: ¿cuáles son los pocos que deberíamos fabricar primero?
Las cifras que publica el sector
- Microsoft y PNNL cribaron 32,6 millones de candidatos en unas 1000 máquinas en la nube, en menos de 80 horas, para llegar a 18.
- Materials Nexus analizó más de 100 millones de composiciones y tardó tres meses en diseñar, fabricar y probar un imán.
Un trabajo notable. Y una lección clara: el número de candidatos nunca fue el producto. La respuesta, sí.
Requisitos dentro de la búsqueda, no un filtro después de ella
Las propuestas que rompen tus límites se descartan antes de construir ninguna estructura.
Una preselección, no un pajar
Cientos de aspirantes ordenados en lugar de millones de estructuras que cribar, cada uno con el registro de cada comprobación.
Inteligencia que aprende mientras se ejecuta
Más precisa con cada evaluación, a cerca de un tercio de céntimo de cómputo por candidato.
Pruebas que puedes volver a ejecutar
Ambos objetivos sellados, encontrados a ciegas. 73 de 73 candidatos reconstruidos a partir de su registro.
Listo para tu agente, y para la fábrica
Tu agente de IA pilota MS Lattice a través de MCP. Cuando surge un ganador, Norck lo lleva a través de la validación y la producción hasta las piezas terminadas.









