Sanz Consulting

Aunque vivamos en plena revolución digital, no hay que olvidar una evidencia: toda innovación tecnológica tiene una base material —desde los fotones de la luz al silicio informático—, cuyo rendimiento depende de sus propiedades moleculares. Por eso es decisiva la ciencia de materiales encargada de mejorar los existentes o sintetizar otros nuevos. De hecho, es una de las disciplinas que el gurú Gordon E. Moore definió como “exponenciales” por la capacidad de combinarse entre ellas y retroalimentarse para proyectar el conjunto. Son tecnologías madre de tecnologías. Como su nombre indica, la especialidad de la química computacional nace con la informática misma y emplea su capacidad de cálculo para simular el comportamiento y las cualidades de las materias primas químicas. De esta forma, esa especie de laboratorio digital completa al físico de probetas y matraces en la cantidad y variedad de experimentos posibles. Mientras el segundo está limitado en tiempo y coste por el sistema de ensayo-error con sustancias físicas, el primero trabaja con datos. Una joven y premiada investigadora española emplea una definición muy sencilla: es el uso de ordenadores para resolver problemas químicos, con programas que pueden calcular las estructuras, propiedades y reacciones de las moléculas. Por ejemplo, en su campo, el farmacéutico, la química computacional puede diseñar enzimas a la carta para nuevos tratamientos. La paradoja de este modelo es que su propia capacidad de cálculo permite acceder a una magnitud astronómica de posibilidades combinatorias —encontrar un átomo en un pajar— y para ser precisa requiere un enorme músculo en potencia de procesamiento y volumen de memoria. Hasta hace no tanto, solo grandes corporaciones o instituciones podían permitirse ese tipo de superordenadores, pero hoy su acceso se democratiza gracias, de nuevo, a la convergencia de tecnologías exponenciales: la química computacional en sí, más el cloud computing, la inteligencia artificial (IA) y la computación cuántica.  La nube facilita a empresas y laboratorios acceder a recursos informáticos de alto rendimiento en modo servicio; la IA eleva la escala de las simulaciones y la capacidad de predecir las propiedades químicas combinadas; y en la computación cuántica, si bien es la menos desarrollada por sus problemas técnicos, una de sus aplicaciones más controladas es precisamente predecir cómo interactúan átomos y moléculas en función de múltiples variables (estabilidad, reactividad, solubilidad, viscosidad, toxicidad, conductividad eléctrica...). Esta alianza ya permite reducir los tiempos de cálculo in-silico mientras perfecciona su fiabilidad operativa. Además promete acelerar esa progresión a medida que lo hagan sus tecnologías, cruzadas o por separado, sobre todo la cuántica y la IA generativa.   Su efecto económico también proyecta esa progresión, si entendemos la química como una industria transversal al proveer compuestos básicos a otros sectores, desde el informático o el farmacéutico al energético y la nanotecnología en todas sus facetas. Se aplica en el desarrollo de biomateriales para textiles o envases de cosméticos, productos de limpieza y alimentos que sustituyan a los contaminantes PFAS. Tanto a la innovación de propiedades más eficientes en los combustibles fósiles como de combustibles alternativos. En esas sustancias multiusos llamadas catalizadores (aceleran la reacción de otros químicos) para sintetizar medicamentos más baratos y eficientes, una materia prima básica como el amoniaco o compuestos para celdas fotovoltaicas.  También ensaya sólidos cristalinos en baterías de estado sólido y circuitos eléctricos, y se implanta en el sector, igualmente transversal, de los materiales inteligentes para todo tipo de usos de la construcción a la automoción. Un caso sería el de los materiales bidimensionales para semiconductores.  Otra de sus ventajas es que su potencia de cálculo puede dedicarse no solo a proponer y sintetizar nuevas sustancias, también a su comportamiento durante todo el ciclo de vida de los productos que las contienen. Entonces, ¿hablamos de una industria sin peros? No hay tal cosa. La propia complejidad de la química computacional genera algunas de sus limitaciones. Entre ellas, que su capacidad de analizar sistemas químicos cada vez más complejos se enfrenta a un cuello de botella: la validación experimental y verificación de los modelos teóricos en el laboratorio físico, es decir, la medición y comparación de sus propiedades reales mediante diferentes pruebas (por ejemplo de reactividad y estabilidad) hasta convertir la teoría en la práctica de un producto comercial.