FreeSeek
Hablemos
MAT · I+D de nuevos materiales

Agentes que planifican cada experimento a partir de todos los anteriores

Los equipos de materiales acumulan años de experimentos guardados en cuadernos, hojas de cálculo y carpetas de instrumentos. FreeSeek construye agentes que estructuran ese historial, recomiendan formulaciones y ventanas de proceso, y contrastan las ideas con el panorama de patentes. Los científicos deciden qué se sintetiza y qué se patenta.

Sistemas con los que nos conectamos
ELNLIMSMaterials ProjectPython/JupyterBoTorchpymatgenDerwent Innovation
Casos de uso Casos
Contexto del sector

Situación actual de la I+D de materiales

La mayor parte del desarrollo de materiales sigue basándose en la intuición de expertos y en ensayos que modifican un factor cada vez. Una nueva mezcla de polímeros, un recubrimiento de cátodo o una calidad de aleación puede requerir cientos de experimentos a lo largo de varios años. Los datos de esos experimentos suelen estar incompletos: las condiciones de proceso quedan en cuadernos personales, los resultados de caracterización se guardan en formatos propietarios y los ensayos fallidos casi nunca se registran. Cada proyecto empieza desde una memoria parcial, y el conocimiento se va con las personas.

Recursos públicos como Materials Project, la literatura abierta y las bases de datos de patentes reúnen millones de registros de composición y propiedades, y la optimización bayesiana dispone ya de bibliotecas de código abierto maduras. Pocos laboratorios los combinan con sus propios datos. La brecha es de ingeniería: depurar los registros históricos, vincular muestras con mediciones e integrar los modelos en un flujo de trabajo en el que confíen los científicos de laboratorio. Los agentes pueden asumir esa integración y mantenerla al día a medida que llegan nuevos resultados.

Ciclos de desarrollo largos

Calificar un material nuevo para baterías, aeroespacial o electrónica suele llevar entre 5 y 10 años. Clientes y reguladores esperan plazos más cortos en cada generación de producto.

Datos experimentales fragmentados

Recetas, registros de proceso y resultados de ensayo están repartidos entre entradas de ELN, archivos de Excel y equipos de instrumentos. Sin un registro vinculado, los equipos repiten experimentos y no pueden modelar lo que ya saben.

Coste creciente por experimento

El precio de los precursores, el tiempo de instrumento y el personal cualificado encarecen cada síntesis. Los laboratorios necesitan que cada experimento aporte más información.

Panorama de patentes saturado

Las químicas de baterías, los polímeros técnicos y los recubrimientos acumulan reivindicaciones solapadas. Una formulación prometedora puede quedar bloqueada tarde, después de una inversión considerable en escalado.

Ejecución del agente · ejemplo

Vea a un agente resolver una tarea real

Cada paso es una llamada a herramienta sobre sus propios sistemas, registrada y revisable. El resultado pasa a una persona responsable para su aprobación.

Ejecución del agente · ejemplorun_b40c98
TareaProponer las siguientes 8 formulaciones epoxi para alcanzar una Tg superior a 150 °C con viscosidad inferior a 2 Pa·s.
  1. eln.search()
    Se recuperaron 312 experimentos epoxi anteriores con recetas, perfiles de curado y resultados de DSC.
  2. bo.suggest()
    Se ajustó un modelo sustituto y se ordenaron 8 candidatos por mejora esperada dentro de los límites de coste.
  3. lims.draft_request()
    Se redactó una solicitud de síntesis y ensayo DSC para los 8 candidatos.
Resultado · Plan de lote enviado al científico del proyecto para su aprobación antes de la síntesis.
Casos de uso

Cuatro procesos, analizados paso a paso.

Cada caso de uso explica cómo se trabaja hoy, qué asume el agente, dónde aprueba una persona y qué medimos.

MAT-1Recomendación de formulaciones y ventanas de procesoMAT-2Minería de literatura y patentes para crear conjuntos de datos composición–propiedadMAT-3Interpretación de datos de caracterización y estructuración del ELNMAT-4Precribado de libertad de operación
MAT-1

Recomendación de formulaciones y ventanas de proceso

El agente aprende de los experimentos históricos y propone el siguiente lote de formulaciones y parámetros de proceso con mayor probabilidad de cumplir la especificación objetivo.

Nivel de integración Integración profunda
Piloto típico8–12 semanas
Cómo se hace hoy

Los científicos eligen los siguientes experimentos según su experiencia y algunas tendencias en hojas de cálculo. Los diseños de experimentos suelen ser factoriales completos o de un factor cada vez, lo que desperdicia ensayos en zonas que ya se sabe que fallan. Los datos de proyectos anteriores rara vez se reutilizan porque difieren las unidades, los nombres de muestra y los métodos de ensayo. Lograr una formulación que equilibre resistencia, viscosidad y coste puede exigir decenas de iteraciones y varios meses de laboratorio.

Sistemas utilizados
ELNLIMSBoTorchPython/Jupyterlab automation scheduler
Qué hace el agente
  1. Extrae recetas, parámetros de proceso y propiedades medidas del ELN y el LIMS, y armoniza unidades, identificadores de muestra y métodos de ensayo.
  2. Ajusta un modelo sustituto con estimación de incertidumbre y lo valida con experimentos reservados antes de usarlo.
  3. Propone un lote ordenado de experimentos mediante optimización bayesiana, respetando restricciones como listas de materias primas, topes de coste y límites de los equipos.
  4. Redacta el lote como plan de diseño de experimentos y, si existe una línea automatizada, lo pone en cola en el planificador del laboratorio.
  5. Incorpora los nuevos resultados, actualiza el modelo e informa del avance hacia el objetivo y de la incertidumbre restante.
Control humano
Un científico del proyecto aprueba cada lote propuesto antes de la síntesis y revisa la seguridad, la disponibilidad de materias primas y la coherencia química. El responsable del equipo decide cuándo un candidato pasa a escala piloto.
Qué medimos
  • experimentos hasta alcanzar la especificación
  • proporción de ensayos propuestos que cumplen la especificación
  • error de predicción del modelo en ensayos nuevos
  • tiempo de laboratorio por ciclo de desarrollo
MAT-2

Minería de literatura y patentes para crear conjuntos de datos composición–propiedad

El agente lee artículos y patentes de un ámbito concreto y extrae composiciones, condiciones de proceso y propiedades medidas en un conjunto de datos estructurado y vinculado a sus fuentes.

Nivel de integración Moderado
Piloto típico6–8 semanas
Cómo se hace hoy

Los investigadores construyen a mano los conjuntos de datos bibliográficos: leen artículos y copian valores de tablas y figuras en hojas de cálculo. Una revisión de unos cientos de artículos lleva semanas y la cobertura sigue siendo limitada. Las unidades, las normas de ensayo y la preparación de muestras varían entre fuentes, por lo que los valores son difíciles de comparar. El personal de propiedad intelectual lee las patentes por separado, y sus ejemplos rara vez llegan al equipo técnico como datos utilizables.

Sistemas utilizados
Scopus APIEspacenetDerwent InnovationMaterials ProjectPython/Jupyter
Qué hace el agente
  1. Consulta bases de datos de literatura y patentes con una búsqueda acordada con el equipo de investigación y registra la estrategia completa.
  2. Extrae composiciones, pasos de proceso, condiciones de ensayo y valores de propiedades del texto, las tablas y los pies de figura.
  3. Normaliza unidades, asigna los métodos de ensayo a normas como ASTM D638 o ISO 527 y marca los valores no comparables.
  4. Vincula cada registro con la página y la frase de origen y le asigna una puntuación de confianza.
  5. Publica el conjunto de datos en el espacio de trabajo del equipo y lo combina con los datos internos para el modelado.
Control humano
Un científico del área revisa una muestra de registros extraídos frente a las fuentes originales y da su visto bueno antes de usar el conjunto de datos para modelar o decidir.
Qué medimos
  • registros extraídos por semana
  • exactitud de extracción en muestras auditadas
  • proporción de registros con condiciones de proceso completas
  • tiempo hasta el primer conjunto de datos utilizable
MAT-3

Interpretación de datos de caracterización y estructuración del ELN

El agente lee archivos brutos de XRD, SEM, DSC y espectroscopia, redacta una interpretación y registra los resultados en la muestra correspondiente del ELN.

Nivel de integración Moderado
Piloto típico6–10 semanas
Cómo se hace hoy

Cada instrumento guarda archivos en su propio formato en un equipo local. Los científicos copian los archivos a unidades compartidas, los analizan a mano con el software del fabricante y pegan capturas de pantalla en el cuaderno. Las asignaciones de picos, las temperaturas de transición vítrea y los tamaños de partícula se teclean manualmente, a menudo días después. Los vínculos entre muestra, receta y mediciones se rompen con facilidad, y los resultados son difíciles de encontrar, reutilizar o auditar.

Sistemas utilizados
ELNLIMSinstrument raw data filespymatgenICDD PDF-4+
Qué hace el agente
  1. Supervisa las carpetas de exportación de los instrumentos y analiza los archivos brutos y sus metadatos, incluidos operador, método y fecha de calibración.
  2. Asocia cada archivo a un identificador de muestra y una receta en el ELN y el LIMS, y consulta al operador cuando la asociación es dudosa.
  3. Ejecuta análisis estándar como la identificación de fases por XRD, la detección de transiciones por DSC y la estadística de tamaño de partícula por SEM.
  4. Redacta una interpretación con los valores clave, el nivel de confianza y la comparación con patrones de referencia o lotes anteriores.
  5. Crea una entrada estructurada en el ELN con los datos brutos, los parámetros de procesamiento y la versión del script de análisis.
Control humano
El analista que realizó la medición revisa y acepta cada interpretación antes de que pase al registro oficial. Las fases inusuales o las anomalías se escalan al responsable de caracterización.
Qué medimos
  • tiempo desde la medición hasta la entrada en el ELN
  • proporción de mediciones vinculadas a una muestra
  • tasa de aceptación de interpretaciones
  • horas de analista por muestra
MAT-4

Precribado de libertad de operación

El agente compara formulaciones y procesos candidatos con las reivindicaciones de patentes vigentes y señala posibles conflictos antes de invertir en el escalado.

Nivel de integración Moderado
Piloto típico6–8 semanas
Cómo se hace hoy

Los dictámenes formales de libertad de operación son caros y suelen encargarse solo cuando el material está cerca del lanzamiento. En las fases iniciales, los científicos hacen búsquedas informales o ninguna. Cuando un conflicto aparece tarde, el equipo debe rediseñar o negociar una licencia tras meses de trabajo de escalado. Los abogados de propiedad intelectual reciben solicitudes con detalles técnicos incompletos, lo que ralentiza la revisión y eleva su coste.

Sistemas utilizados
Derwent InnovationEspacenetUSPTO Patent Public SearchCNIPA databaseELN
Qué hace el agente
  1. Convierte una formulación o un proceso candidato en una descripción estructurada de componentes, intervalos y etapas.
  2. Busca patentes vigentes y solicitudes publicadas en las jurisdicciones pertinentes, filtradas por situación jurídica y fecha de caducidad.
  3. Compara las reivindicaciones independientes elemento por elemento con el candidato y resalta los intervalos que se solapan.
  4. Genera un informe de precribado ordenado por riesgo, con tablas de reivindicaciones y posibles vías de diseño alternativo.
  5. Envía los casos de riesgo medio y alto al abogado de patentes junto con el registro completo de la búsqueda.
Control humano
El abogado de patentes revisa cada caso señalado y emite todos los juicios jurídicos. El precribado orienta las prioridades de investigación y no sustituye un dictamen formal de libertad de operación.
Qué medimos
  • candidatos evaluados antes del escalado
  • conflictos de patentes en fases avanzadas
  • horas de abogado por revisión
  • tiempo desde la solicitud hasta el informe de precribado
Casos

Cómo se han desarrollado los proyectos en este sector.

Casos ilustrativos: combinan varios proyectos típicos y omiten los datos del cliente. Las cifras muestran el rango que buscamos en un piloto.

La optimización bayesiana acorta el desarrollo de un aglutinante para baterías

Cliente: Fabricante de materiales para baterías, líneas de cátodo y aglutinante, 2 centros de I+DRegión: Asia Oriental
−41%formulaciones necesarias para alcanzar el objetivo
−35%duración del ciclo de desarrollo
86%registros históricos recuperados como datos utilizables
Reto

El equipo necesitaba una formulación de aglutinante en base agua para un cátodo de alto níquel que cumpliera los objetivos de adherencia, viscosidad de la suspensión y vida en ciclos. Existían seis años de experimentos relacionados, pero repartidos en tres sistemas ELN y numerosas hojas de cálculo con unidades inconsistentes. Los proyectos anteriores de este tipo habían durado más de 18 meses y unas 300 formulaciones.

Qué construimos
  • Se armonizaron unos 2.400 experimentos históricos del ELN, el LIMS y las hojas de cálculo en un único conjunto de datos vinculado.
  • Se creó un ciclo de optimización bayesiana multiobjetivo con restricciones de coste y materias primas.
  • Se propusieron lotes semanales de 12 formulaciones, cada uno aprobado por el científico del proyecto antes de la síntesis.
  • Los resultados de pilas de botón y de adherencia volvieron al modelo automáticamente a través del LIMS.
Plazo: Piloto de 10 semanas, uso en producción en el mes 5

Registros de caracterización estructurados para un laboratorio de recubrimientos

Cliente: Fabricante de recubrimientos industriales, 4 laboratorios de aplicaciónRegión: Europa meridional
−62%tiempo desde la medición hasta la entrada en el ELN
−30%horas de analista por muestra
97%mediciones vinculadas a una muestra
Reto

Los analistas dedicaban buena parte de la semana a trasladar a mano archivos de DSC, FTIR y SEM a los informes. Los resultados se registraban a menudo días después de la medición y a veces en el lote equivocado. Durante una auditoría de un cliente, al laboratorio le costó demostrar qué versión del método y qué calibración habían producido determinados resultados.

Qué construimos
  • Se conectó el agente a las carpetas de exportación de los instrumentos y a los ELN y LIMS existentes.
  • Se automatizaron el análisis de archivos, la asociación con muestras y los análisis estándar de DSC, FTIR y SEM.
  • Se introdujo una revisión y aceptación por parte del analista antes de que cualquier entrada llegara al registro oficial.
Plazo: Piloto de 8 semanas, despliegue en los 4 laboratorios en el mes 6
Riesgo y cumplimiento

Propiedad intelectual, integridad de datos y control de exportaciones en la I+D de materiales

Secretos comerciales y protección de la propiedad intelectual

Las formulaciones y ventanas de proceso suelen protegerse como secretos comerciales, por lo que el agente funciona con acceso por roles y registros de auditoría completos. Los datos nunca se usan para entrenar modelos compartidos, y los resultados que puedan respaldar una solicitud de patente se remiten primero al abogado de propiedad intelectual.

Despliegue local de modelos

En los programas sensibles desplegamos los modelos dentro de la red del cliente o en un entorno de nube privada. Ningún dato experimental sale del entorno del cliente sin su aprobación.

Trazabilidad y reproducibilidad de los datos

Cada recomendación registra la versión de datos, la versión del modelo y el código de análisis que la generaron, conforme a los principios FAIR. Los laboratorios acreditados según ISO/IEC 17025 pueden rastrear cada resultado informado hasta los archivos brutos del instrumento.

Control de exportaciones

Algunos materiales y tecnologías están sujetos al Arreglo de Wassenaar, a la EAR de Estados Unidos, al Reglamento (UE) 2021/821 o a la Ley de Control de Exportaciones de China. El acceso a los datos de proyectos controlados se restringe según reglas de nacionalidad y ubicación del usuario que el cliente define con su equipo de cumplimiento comercial.

Preguntas frecuentes
¿Cuántos datos históricos se necesitan para que la optimización sea útil?

Unas decenas de experimentos bien documentados en el sistema objetivo suelen bastar para empezar, porque la optimización bayesiana está pensada para conjuntos de datos pequeños. El agente también informa de la incertidumbre del modelo, de modo que el equipo sabe cuándo hacen falta más ensayos exploratorios.

¿El agente ejecuta experimentos sin aprobación humana?

No. El agente propone lotes y redacta solicitudes al laboratorio, y un científico aprueba cada lote antes de la síntesis. En los laboratorios automatizados, el planificador solo recibe planes aprobados.

¿Puede el sistema trabajar con nuestro ELN y nuestros instrumentos actuales?

Sí. Nos conectamos a las plataformas ELN y LIMS habituales mediante sus API y leemos los archivos de los instrumentos desde las carpetas de exportación. Si no existe API, desarrollamos un conector basado en archivos durante el piloto.

¿El precribado de patentes sustituye a un dictamen de libertad de operación?

No. Ayuda al equipo de investigación a detectar pronto los posibles conflictos y ofrece al abogado un punto de partida técnico claro. Las conclusiones jurídicas corresponden a abogados de patentes cualificados.

¿Tiene un proceso parecido?

Envíenos una breve descripción de cómo se hace hoy el trabajo. Respondemos en dos días hábiles.

Iniciar la conversación
Otros sectores
MFGManufactura avanzadaENGIngeniería de diseñoMEDServicios de saludFINFintechMKTMarketing