DuctGPT: La nueva IA para reactores de fusión nuclear
DuctGPT combina modelos físicos e IA avanzada para explorar aleaciones con alta resistencia térmica y ductilidad, esenciales para la fusión nuclear.
-
Científicos del Laboratorio Ames desarrollan DuctGPT para acelerar el descubrimiento de materiales
Científicos del Laboratorio Nacional Ames, en Iowa, Estados Unidos, desarrollaron una herramienta de inteligencia artificial para acelerar el descubrimiento de materiales destinados a sistemas de energía de fusión de próxima generación.
DuctGPT, como denominaron el sistema, combina inteligencia artificial avanzada y modelos basados en física para predecir materiales capaces de soportar las condiciones extremas de los reactores de fusión.
El estudio, titulado “DuctGPT: A Generative Transformer for Forward Screening of Ductile Refractory Multi-Principal Element Alloys”, formó parte de la revista Acta Materialia.
Los investigadores abordaron la exploración de múltiples composiciones de aleaciones con alta resistencia térmica y ductilidad suficiente para su fabricación y aplicación estructural.
⚡️⚡️ #UltimoMinuto | Irán
— Al Mayadeen Español (@almayadeen_es) April 4, 2026
Organización de Energía Atómica de Irán, en una publicación en la plataforma “X”:
- Esta mañana un proyectil impactó cerca de la valla de la central nuclear de Bushehr y, debido a la onda expansiva, uno de los edificios laterales resultó dañado.
-… pic.twitter.com/OvmfmJdwMy
Liderazgo de Prashant Singh en el proyecto de DuctGPT
-
DuctGPT se basa en el modelo AtomGPT, desarrollado por el Instituto Nacional de Estándares y Tecnología.
El proyecto estuvo liderado por el científico Prashant Singh, quien destacó el uso de IA basada en principios físicos para acelerar el diseño de materiales orientados a la fusión nuclear.
Partieron del modelo AtomGPT, desarrollado por el Instituto Nacional de Estándares y Tecnología, que posteriormente lo ajustaron con bases de datos de ciencia de materiales.
Funcionamiento de DuctGPT y consultas mediante lenguaje natural
El sistema analizó en segundos grandes volúmenes de combinaciones elementales y permite consultas mediante lenguaje natural para definir propiedades objetivo.
“Hasta ahora es posible introducir criterios como: quiero un material con determinadas propiedades para fusión, y el sistema devuelve composiciones compatibles”, explicó Singh.
Entre los materiales evaluados, el tungsteno continúa como una de las principales opciones por su resistencia a temperaturas extremas y su comportamiento tras la exposición a entornos de fusión.
Sin embargo, su baja ductilidad a bajas temperaturas limita su uso en componentes con geometrías complejas, según detalló el investigador.
DuctGPT: Avances en el diseño de aleaciones refractarias dúctiles
El equipo del Laboratorio Ames señaló que logró diseñar aleaciones refractarias dúctiles mediante enfoques predictivos y dispone de capacidades para sintetizar y validar los materiales propuestos experimentalmente.
Según explicó, continúa ampliando la plataforma con nuevos datos y modelos para mejorar la predicción del comportamiento de los materiales en condiciones operativas.
El trabajo cuenta con apoyo del programa ARPA-E CHADWICK y financiación institucional, y está enmarcado en la misión Génesis del Departamento de Energía de Estados Unidos, orientada al desarrollo acelerado de materiales avanzados para tecnologías energéticas emergentes.
Al Mayadeen Español