Un equipo de investigación, bajo la dirección del Prof. Sung Beom Cho de la Sungkyunkwan Üniversitesi, en colaboración con la Ajou Üniversitesi y MIT, desarrolló una plataforma de planificación de síntesis de materiales en bucle cerrado que utiliza un gran modelo de lenguaje (LLM). La plataforma propone condiciones de síntesis para materiales nuevos y complejos y las refina en función de los resultados experimentales. El trabajo se publicó en la revista Advanced Materials.
El modelo fue entrenado creando una base de datos a partir de 4.407 artículos de acceso abierto sobre síntesis de materiales sólidos, que incluía información como el material objetivo, precursor, temperatura, velocidad de rotación, presión y duración. Mediante el método de generación aumentada por recuperación (Retrieval‑augmented generation) busca ejemplos de síntesis similares y ofrece recetas sugeridas; las propuestas obtienen una puntuación media de 4/5 al compararse con las condiciones reportadas en la literatura. En un experimento con electrolito sólido basado en óxido de selenio, la primera sugerencia del modelo de 600 °C generó fases impuras; al retroalimentar los resultados al modelo, la temperatura se redujo a 450 °C y luego a 400 °C, obteniéndose un material monofásico.
Este éxito muestra que las predicciones pueden ser limitadas sin retroalimentación experimental y, por el momento, solo se ha probado en un electrolito específico. Ampliar la base de datos y el modelo a diferentes sistemas de materiales podría ofrecer un mayor potencial de descubrimiento, aunque se subraya que la experiencia humana sigue siendo crítica.