Dentro de los laboratorios autónomos de Dunia Innovations para descubrir nuevos materiales

La ciencia de materiales está detrás de casi todas las tecnologías modernas: baterías, chips semiconductores, catalizadores industriales o sistemas de energía limpia. Sin embargo, descubrir nuevos materiales sigue siendo un proceso lento, caro y en gran medida manual.

La startup deep‑tech Dunia Innovations, con sede en Berlín, intenta cambiar ese modelo mediante laboratorios autónomos impulsados por inteligencia artificial y robótica. En lugar de que los científicos ejecuten experimentos uno por uno, su plataforma automatiza todo el proceso de descubrimiento en un ciclo continuo diseñado para generar datos experimentales mucho más rápido.

Aunque algunos informes mencionan un futuro laboratorio de gran escala en Berlín, la información pública disponible confirma principalmente la plataforma tecnológica y el ecosistema de investigación detrás del enfoque de Dunia, más que el tamaño o financiación de una instalación concreta.

El gran cuello de botella del descubrimiento de materiales

Los modelos de IA actuales pueden predecir miles de posibles materiales nuevos. Pero una predicción no basta: cada candidato prometedor debe sintetizarse físicamente y probarse en laboratorio.

Ese paso experimental es el mayor cuello de botella del proceso científico. En investigación de materiales se suele hablar del ciclo Diseñar → Fabricar → Probar → Analizar (DMTA), que puede tardar años antes de producir un material útil o un catalizador comercializable.

El objetivo de Dunia es automatizar completamente ese ciclo para que los experimentos se ejecuten de forma continua y alimenten a la inteligencia artificial con datos reales en tiempo real.

Cómo funciona el laboratorio autónomo

En el centro del sistema de Dunia hay una plataforma de descubrimiento de materiales en bucle cerrado que integra modelos de aprendizaje automático con equipamiento robótico de laboratorio.

El proceso funciona aproximadamente así:

1. Diseño: modelos de IA informados por principios físicos generan nuevos candidatos de materiales y predicen sus propiedades.
2. Fabricación: sistemas robóticos sintetizan automáticamente los materiales propuestos.
3. Prueba: instrumentos automatizados miden su rendimiento y características químicas.
4. Análisis: los datos experimentales vuelven al modelo de IA para mejorar las predicciones del siguiente ciclo.

Al integrar todas estas etapas en un flujo automatizado continuo, el sistema puede generar grandes volúmenes de datos experimentales fiables mucho más rápido que un laboratorio tradicional.

La empresa describe esta arquitectura como una plataforma de aceleración de materiales, donde los modelos de IA aprenden directamente de resultados reales en el laboratorio y no solo de simulaciones o bases de datos históricas.

La importancia de la IA informada por la física

Muchos sistemas de IA aplicados a química se basan únicamente en correlaciones estadísticas. Dunia adopta un enfoque diferente: combinar machine learning con restricciones físicas y químicas reales.

Este enfoque, conocido como physics‑informed AI, ayuda a generar candidatos que no solo parecen prometedores en teoría, sino que también tienen más probabilidades de poder fabricarse y funcionar en el mundo real.

Según el acelerador climático Third Derivative, integrar IA informada por la física con experimentación robótica podría permitir descubrir materiales electroactivos hasta 10 veces más rápido y a aproximadamente un tercio del coste de los procesos tradicionales de I+D.

Enfoque inicial: energía y catalizadores

Los primeros programas de investigación de Dunia se centran en materiales clave para la transición energética.

Entre ellos:

• Electrocatalizadores para hidrógeno verde o producción de amoníaco
• Materiales para convertir CO₂ en combustibles o productos químicos
• Catalizadores industriales para descarbonizar procesos industriales

Muchos de estos proyectos se centran en materiales electroactivos usados en tecnologías power‑to‑X, que convierten electricidad renovable en combustibles o materias primas químicas.

Estas áreas se adaptan bien a la experimentación automatizada porque el descubrimiento de catalizadores suele requerir probar grandes combinaciones de materiales y composiciones.

El consorcio ASCEND: colaboración industrial en Alemania

Uno de los ejemplos más claros de colaboración industrial en torno a Dunia es el consorcio ASCEND, centrado en el descubrimiento de catalizadores impulsado por IA.

El proyecto reúne a actores de investigación e industria como:

• Dunia Innovations
• BASF
• Siemens Energy
• Helmholtz‑Zentrum Berlin
• Instituto Fritz Haber de la Sociedad Max Planck
• Universidad Técnica de Berlín

El gobierno federal alemán ha comprometido 30 millones de euros para financiar esta iniciativa, destinada a acelerar el desarrollo de catalizadores para industrias intensivas en energía.

La idea es combinar simulación computacional, experimentación automatizada y experiencia industrial para desarrollar catalizadores más eficientes para la transición energética.

Inversión y ecosistema deep‑tech

Fundada en 2022, Dunia ha recaudado alrededor de 10,6 millones de euros (unos 11,5 millones de dólares) para desarrollar su plataforma de laboratorio autónomo.

Entre sus inversores figuran:

• Elaia
• redalpine
• European Innovation Council (EIC)
• Pace Ventures
• Kindred Capital
• Deep Science Ventures
• Anglo American

Este respaldo refleja una tendencia creciente en Europa: invertir en infraestructura científica basada en IA para acelerar la innovación en clima, energía y materiales avanzados.

Un ecosistema tecnológico más amplio

Aunque no existe documentación pública que confirme una pila tecnológica específica para una gran instalación de Dunia, varias colaboraciones industriales muestran el tipo de tecnologías que podrían respaldar laboratorios autónomos de este tipo.

Por ejemplo:

• Siemens y NVIDIA colaboran para desarrollar tecnologías de IA industrial y gemelos digitales que permiten simular sistemas industriales complejos.
• ABB Robotics integra bibliotecas de simulación de NVIDIA Omniverse en su plataforma RobotStudio para entrenar y desplegar robots industriales basados en IA física.

Herramientas como gemelos digitales, entornos de simulación y robótica autónoma son precisamente los bloques tecnológicos necesarios para escalar laboratorios experimentales automatizados.

Lo que significan los laboratorios autónomos para la innovación europea

Si plataformas como la de Dunia logran escalar, podrían transformar la economía del descubrimiento científico.

Entre las posibles ventajas:

• ciclos de descubrimiento de materiales mucho más rápidos
• conjuntos de datos experimentales más grandes para entrenar IA
• reducción de costes en I+D
• experimentación continua en lugar de proyectos de laboratorio aislados

Esto es especialmente relevante porque los materiales avanzados sustentan industrias clave como energía, química, electrónica y manufactura.

Europa ha sido históricamente fuerte en ciencia de materiales, pero menos dominante en infraestructura de IA a gran escala. Sistemas que integran software de IA con experimentación física automatizada podrían ayudar a cerrar esa brecha y mantener más innovación deep‑tech dentro del continente.

En resumen

Dunia Innovations representa una nueva generación de infraestructura científica nativa de IA: laboratorios donde algoritmos, robots y experimentos físicos funcionan como un solo sistema.

La tecnología central —descubrimiento de materiales en bucle cerrado impulsado por IA— ya está documentada y se aplica a catalizadores y materiales energéticos. Sin embargo, los detalles sobre un posible laboratorio gigante en Berlín no están confirmados en las fuentes públicas disponibles.

Lo que sí está claro es la dirección del sector: el futuro del descubrimiento de materiales podría parecerse menos a un banco de laboratorio tradicional y más a una fábrica de investigación autónoma donde la IA diseña experimentos y los robots los ejecutan las 24 horas.