La investigación china en IA entra en el laboratorio
Gran parte de la atención sobre el desarrollo de la inteligencia artificial en China se centra en los modelos de lenguaje, las empresas tecnológicas y la competencia con los proveedores internacionales de IA.
Pero algunas instituciones de investigación del país aplican la IA a otro reto: la experimentación científica.
Desarrollar un nuevo material suele implicar estudiar cientos de combinaciones posibles. Cada candidato debe prepararse, probarse y medirse antes de que los investigadores puedan determinar si sirve.
Los científicos no pueden probar todas las posibilidades. Tienen que elegir dónde concentrar sus esfuerzos.
Investigadores en China están desarrollando laboratorios que conectan la IA con equipos robóticos para ayudar en este proceso. El software puede examinar resultados anteriores y proponer experimentos prometedores, mientras las máquinas preparan materiales y realizan pruebas.
La idea no es sustituir a los científicos, sino hacer que partes del proceso experimental estén más conectadas y sean más eficientes.
Las investigaciones de la Universidad de Ciencia y Tecnología de China (USTC) y de la Academia China de Ciencias ofrecen varios ejemplos de cómo evoluciona este enfoque.
AI-Chemist, de la USTC: conectar la IA con experimentos físicos
En 2022, investigadores de la USTC y de instituciones colaboradoras presentaron AI-Chemist, un sistema que combina software de IA, un robot móvil y 14 estaciones de trabajo de laboratorio automatizadas.
Imagen: Maggie Bartlett, National Human Genome Research Institute, dominio público, vía Wikimedia Commons
Distintas estaciones de trabajo preparaban los productos químicos, realizaban los experimentos y medían los resultados. El robot transportaba las muestras entre los instrumentos.
El avance importante estaba en cómo funcionaban juntas estas actividades.
En lugar de limitarse a seguir una secuencia fija de instrucciones, el sistema podía usar mediciones experimentales y modelos computacionales para ayudar a decidir qué probar a continuación.
En una demostración, los investigadores estudiaron combinaciones de metales para una reacción química importante en electroquímica.
Empezaron con 207 experimentos físicos. Las mediciones obtenidas ayudaron al sistema a identificar otras combinaciones prometedoras sin probar todas las posibilidades.
Los investigadores también hicieron demostraciones del laboratorio con compuestos fluorescentes y con materiales que facilitan reacciones impulsadas por la luz.
Estos experimentos mostraron que la planificación asistida por IA podía conectarse a varios tipos de investigación química dentro de una misma plataforma de laboratorio.
| Aspecto | Lo informado | Límite |
|---|---|---|
| Configuración | Un robot móvil y 14 estaciones de trabajo automatizadas para síntesis, caracterización y pruebas de rendimiento | Los flujos de trabajo se definieron dentro del laboratorio |
| Primer estudio | 207 experimentos con cinco metales no preciosos, ejecutados por el robot | Centrado en una sola reacción relacionada con la electroquímica |
| Demostraciones | Compuestos fluorescentes y materiales que facilitan reacciones impulsadas por la luz | Resultados del propio laboratorio de los autores |
| Capacidad clave | Las mediciones ayudaron a elegir los siguientes experimentos | No demuestra que toda tarea química pueda automatizarse |
Los resultados procedían del propio entorno experimental de los investigadores. No demostraron que AI-Chemist pudiera realizar cualquier tipo de investigación química.
Aun así, el proyecto demostró una capacidad importante: usar la información obtenida de experimentos reales para ayudar a orientar el trabajo de laboratorio posterior.
Fuente: An All-Round AI-Chemist with a Scientific Mind, National Science Review, 2022
De Hefei a Marte: un experimento poco común
Más adelante, el equipo de investigación de la USTC demostró el enfoque con un problema más inusual.
En 2023, los investigadores publicaron un estudio en Nature Synthesis en el que describían cómo su químico robótico con IA ayudó a desarrollar un catalizador a partir de meteoritos marcianos.
Un catalizador es un material que hace que una reacción química sea más fácil o más eficiente.
Los investigadores estudiaban catalizadores capaces de facilitar la producción de oxígeno a partir del agua.
Una tecnología así podría llegar a ser relevante para la exploración espacial, donde producir recursos útiles en el lugar podría reducir la necesidad de transportarlo todo desde la Tierra.
El equipo utilizó cálculos asistidos por IA y experimentos de laboratorio para explorar millones de combinaciones posibles de materiales.
El sistema ayudó a seleccionar un catalizador, que después se preparó y se probó.
Imagen: NASA, dominio público, vía Wikimedia Commons
El experimento se realizó en la Tierra con meteoritos marcianos. No implicó operar un laboratorio en Marte ni demostró un sistema completo de producción de oxígeno listo para una misión espacial.
| Pregunta | Respuesta | Límite |
|---|---|---|
| ¿Dónde se hizo el experimento? | En la Tierra, con meteoritos marcianos | No en un laboratorio en Marte |
| ¿Qué se exploró? | Millones de combinaciones posibles de materiales, según el artículo | No todas las combinaciones se probaron en el laboratorio |
| ¿Qué se fabricó? | Un catalizador para producir oxígeno, seleccionado con cálculos asistidos por IA y probado en el laboratorio | No un sistema de oxígeno completo para una misión |
| Por qué importa | Producir recursos útiles en el lugar podría reducir lo que hay que llevar desde la Tierra | Una relevancia futura, no una capacidad demostrada en una misión |
Lo que hace destacable este trabajo es el problema científico que abordó.
Los investigadores usaron la IA y experimentos robóticos para estudiar un gran número de posibilidades de materiales que habría sido inviable probar una por una.
Esto demostró que su enfoque de laboratorio podía aplicarse más allá de las pruebas químicas rutinarias, a un reto especializado de desarrollo de materiales.
MARS, de Shenzhen: agentes de IA en la investigación de materiales
Otro avance surgió de los Institutos de Tecnología Avanzada de Shenzhen, que forman parte de la Academia China de Ciencias.
En enero de 2026, investigadores encabezados por ese instituto, junto con instituciones colaboradoras, describieron un sistema llamado MARS.
Mientras que AI-Chemist conectaba modelos computacionales con equipos robóticos, MARS exploró cómo varios agentes de IA podían coordinar distintas partes del trabajo científico.
| Grupo de agentes | Función |
|---|---|
| Orquestador | Coordina a los demás grupos |
| Científico | Recupera conocimiento y diseña soluciones |
| Ingeniero | Convierte los diseños en protocolos experimentales |
| Ejecutor | Controla el equipo robótico |
| Analista | Interpreta los datos y planifica la optimización |
Algunos agentes examinaban la investigación existente y ayudaban a planificar experimentos. Otros convertían esos planes en instrucciones para el equipo de laboratorio o analizaban los resultados.
Los investigadores demostraron el sistema con perovskitas, materiales que se estudian para aplicaciones como las celdas solares y la electrónica.
Imagen: Kttimliu, CC BY-SA 4.0, vía Wikimedia Commons (licencia)
Algunas perovskitas son sensibles a la humedad, por lo que su estabilidad es un problema de investigación importante.
En un experimento, MARS ayudó a mejorar la preparación de nanocristales de perovskita en diez rondas experimentales.
En otro, ayudó a desarrollar una estructura protectora destinada a mejorar la resistencia de un material al agua.
Los investigadores informaron de que completaron ese proceso de diseño concreto en aproximadamente 3.5 horas.
Esa cifra procede del propio informe del equipo de investigación. No se ha establecido una reproducción independiente de la mejora informada.
La aportación importante es la conexión entre agentes de IA, herramientas científicas y experimentación robótica.
MARS utiliza modelos de lenguaje, pero su objetivo no es generar mejores respuestas conversacionales. Los modelos ayudan a coordinar un trabajo que, en última instancia, debe comprobarse mediante experimentos físicos.
Una línea de investigación en crecimiento, no un experimento aislado
Estos proyectos forman parte de una actividad más amplia dentro de la comunidad científica china.
Un artículo de perspectiva publicado en 2025 en Digital Discovery repasó varios desarrollos chinos en laboratorios autónomos, incluidos sistemas de síntesis química, preparación de materiales y pruebas experimentales.
Algunos proyectos se centraban en conectar equipos robóticos con métodos computacionales. Otros estudiaban cómo la IA podía ayudar a interpretar información científica y a coordinar experimentos.
La revisión aporta pruebas de una actividad que va más allá de AI-Chemist y MARS, aunque no valida de forma independiente el rendimiento de cada sistema que analiza.
China tampoco es el único país que desarrolla laboratorios autónomos.
Investigadores de otros países han demostrado enfoques comparables que combinan el aprendizaje automático con la automatización de laboratorio.
Por tanto, la importancia del trabajo chino no está en que China haya inventado este campo, sino en que sus universidades e institutos de investigación aportan sistemas experimentales prácticos en varias áreas de la química y la ciencia de materiales.
De las demostraciones de investigación a laboratorios fiables
Los experimentos publicados demuestran que equipos de investigación chinos han conectado decisiones asistidas por IA con trabajo físico de laboratorio.
Pero demostrar un sistema en un laboratorio es distinto de lograr que sea fiable en muchos entornos de investigación.
Los equipos varían de una institución a otra. Los resultados experimentales pueden depender de los métodos de preparación, las temperaturas, la configuración de los instrumentos y otras condiciones.
Un laboratorio que desarrolla con éxito un material también debe generar registros que permitan a otros investigadores examinar y reproducir el resultado.
La seguridad es otro reto.
Un experimento químico no puede llevarse a cabo solo porque un modelo de IA lo recomiende. Los límites de los equipos, la compatibilidad química y una supervisión adecuada siguen siendo esenciales.
Estas preocupaciones no son exclusivas de la investigación china. Son retos de los laboratorios autónomos en todo el mundo.
En el caso de los proyectos examinados aquí, las pruebas revisadas no establecen una reproducción independiente de los flujos de trabajo experimentales completos.
Los resultados demostrados son significativos, pero no deben confundirse con una prueba de que los laboratorios automatizados estén listos para un uso sin restricciones en la investigación científica o en la industria.
Por qué importa el trabajo de China
Los avances de la USTC y de los Institutos de Tecnología Avanzada de Shenzhen muestran una dirección distinta en la investigación china en IA.
En lugar de centrarse sobre todo en sistemas que generan respuestas, estos investigadores conectan la IA con equipos que producen nuevas pruebas experimentales.
AI-Chemist demostró una investigación química coordinada en varias tareas. El proyecto del meteorito marciano aplicó el enfoque a un problema de materiales poco común. MARS exploró cómo los agentes de IA podían ayudar a gestionar un flujo de trabajo experimental más complejo.
Son logros de investigación concretos, no pruebas de una adopción industrial generalizada.
Su importancia radica en demostrar cómo la IA puede ayudar a los científicos a explorar posibilidades que, de otro modo, exigirían una amplia experimentación manual.
| Proyecto | Papel de la IA | Escala informada | Pendiente |
|---|---|---|---|
| AI-Chemist (USTC, 2022) | Planifica los siguientes experimentos a partir de las mediciones | 14 estaciones de trabajo; 207 experimentos en un estudio | Reproducción en otras configuraciones de laboratorio |
| Catalizador a partir de meteoritos marcianos (USTC, 2023) | Ayuda a seleccionar un catalizador en un gran espacio de búsqueda | Pruebas de laboratorio del catalizador seleccionado, en la Tierra | Producción de oxígeno en condiciones reales |
| MARS (dirigido por el SIAT, 2026) | Coordina varios agentes de IA con robots | Optimización de perovskitas en diez rondas; 3.5 horas (informe del propio equipo) | Comparación y reproducción independientes |
Los investigadores chinos no se limitan a desarrollar una IA capaz de comentar descubrimientos científicos. Están construyendo sistemas que participan en los experimentos con los que se investigan.
Su valor más amplio dependerá de la fiabilidad con la que esos sistemas funcionen fuera de sus laboratorios de origen. Por ahora, la investigación publicada aporta pruebas de una capacidad científica en desarrollo y de otra dirección importante de la actividad china en IA, más allá de las aplicaciones convencionales de los modelos de lenguaje.
Fuentes y lecturas adicionales
- An All-Round AI-Chemist with a Scientific Mind, National Science Review, 2022
- Automated Synthesis of Oxygen-Producing Catalysts from Martian Meteorites by a Robotic AI Chemist, Nature Synthesis, en línea en 2023, volumen 3 (2024)
- Knowledge-Driven Autonomous Materials Research via Collaborative Multi-Agent and Robotic System, Matter, 2026
- Autonomous laboratories in China: an embodied intelligence-driven platform to accelerate chemical discovery, Digital Discovery, artículo de perspectiva de 2025
- Steering Towards Safe Self-Driving Laboratories, Nature Reviews Chemistry, 2025