Las temperaturas récord que se han alcanzado este verano han tensionado los sistemas eléctricos en todo el mundo y han puesto de manifiesto tanto las vulnerabilidades como la creciente importancia de contar con infraestructuras energéticas modernas. En un momento en el que la demanda de refrigeración aumenta y las redes eléctricas sufren más presiones, las tecnologías que sostienen la transición energética están aumentando su protagonismo. La electricidad de fuentes renovables, el almacenamiento en baterías y la electrificación son vitales para crear un sistema energético más resistente y con bajas emisiones. Sin embargo, todo ello depende de algo mucho menos visible: un suministro creciente de minerales críticos.
El litio, el cobalto, el níquel y las tierras raras son esenciales para tecnologías que van desde las baterías y las turbinas eólicas hasta los motores eléctricos y las infraestructuras de suministro de electricidad. Garantizar un abastecimiento suficiente está convirtiéndose en una prioridad estratégica. Según la Agencia Internacional de la Energía (AIE), se prevé que la demanda de tierras raras aumente alrededor de un 50-60% para 2040 con las políticas actuales, debido en parte a la creciente demanda de los imanes permanentes que se emplean en los vehículos eléctricos y la energía eólica1.
El litio, el cobalto, el níquel y las tierras raras son esenciales para tecnologías que van desde las baterías y las turbinas eólicas hasta los motores eléctricos y las infraestructuras de suministro de electricidad
El reto estriba no solo en aumentar la oferta, sino en conseguirlo reduciendo al mismo tiempo los costes medioambientales y sociales que conlleva la extracción y procesamiento de estos materiales. Con una preocupación por el suministro que no deja de aumentar, se ha iniciado una carrera por descubrir nuevas fuentes o alternativas a los minerales que son esenciales para la transición ecológica. Cabe preguntarse, no obstante, si existe una forma más sostenible de encontrar y extraer estos materiales o incluso de reemplazarlos completamente.
La IA podría ayudar a cambiar esa ecuación.
Un reto de suministro y otro medioambiental
Las tierras raras no son tan raras como su nombre indica, al menos en términos geológicos. La dificultad reside en encontrar yacimientos con concentraciones lo suficientemente altas y después separar y refinar los elementos de forma rentable. Sin embargo, la minería y el procesamiento también traen consigo elevados costes medioambientales, desde la alteración de las tierras y la generación de residuos hasta el consumo de agua y la contaminación. La búsqueda de alternativas es cada vez más urgente. Los nuevos proyectos mineros se enfrentan a un escrutinio cada vez mayor por parte de las poblaciones locales, las ONG y los reguladores sobre su impacto medioambiental y social, lo que incluye obstáculos de tipo jurídico. La concentración del procesamiento de tierras raras en China ha añadido una dimensión geopolítica a los esfuerzos por encontrar suministros alternativos. China acaparó alrededor del 60% de las tierras raras magnéticas extraídas en 2024, pero su cuota en refino llegó hasta el 91%, de acuerdo con la AIE2.
Al mismo tiempo, varias décadas de acceso a unas tierras raras y otros minerales críticos relativamente abundantes hicieron que hubiera pocos incentivos para replantearse radicalmente cómo la industria minera buscaba nuevos recursos. Como resultado de ello, el sector apenas ha innovado.
«Eran fáciles de encontrar», afirma Mfikeyi Makayi, consejero delegado de la división africana de la start-up minera KoBold Metals Africa. «Simplemente estaban ahí, así que, ¿para qué inventar herramientas para ir más allá?»
De la prospección al descubrimiento predictivo
Respaldada por inversores como Bill Gates y Jeff Bezos y con actividades en la República Democrática del Congo, KoBold forma parte de una nueva generación de empresas que utilizan la IA y los análisis avanzados de datos para identificar yacimientos no explotados que puedan aumentar la oferta, minimizando al mismo tiempo el impacto medioambiental de la producción3.
La IA también está ayudando a los científicos a volver a examinar los materiales que ya se han extraído del suelo
Makayi explica que la IA puede identificar áreas con porcentajes más altos de materiales como litio, cobalto y níquel por tonelada de roca, lo que permite a los equipos de exploración ser más precisos con las perforaciones. «No te pones simplemente a hacer agujeros para encontrar material de baja calidad», explica Makayi. «Por eso, estamos usando la IA para convertir el arte de encontrar buen mineral en una ciencia replicable».
Esa distinción podría ser importante. Si las empresas mineras pueden extraer más materiales útiles de un menor volumen de roca, podrían reducir los costes y parte de la huella física asociada a la exploración y la producción.
La IA también está ayudando a los científicos a volver a examinar los materiales que ya se han extraído del suelo. Julie Bryce, profesora de Ciencias de la Tierra en la Universidad de New Hampshire, pone el ejemplo de los residuos mineros. Los materiales descartados cuando los precios de las materias primas eran bajos podrían contener concentraciones de tierras raras u otros materiales cuyo valor es cada vez mayor en la actualidad. «Las tierras raras están presentes en gran cantidad de materiales», explica. «Pero ahora que son tan valiosas, buscarlas resulta cada vez más viable económicamente hablando».
Eso genera una segunda oportunidad: aprovechar más los recursos existentes, en lugar de recurrir exclusivamente a nuevas minas.
¿Y si pudiéramos diseñar sin las tierras raras?
Una posibilidad quizá más rompedora la encontramos más allá de la minería. Las empresas están usando la IA para averiguar cómo se podrían crear versiones «libres de tierras raras» de los imanes y otros componentes que necesitan las infraestructuras de energías limpias a partir de nuevas combinaciones de materiales.
Por ejemplo, algunos materiales tienen propiedades magnéticas, pero no pueden conservarlas del mismo modo que un imán a base de tierras raras. «Un elemento magnético normal, como el hierro, no conserva por sí mismo la misma magnetización, por lo que tienes que animarlo a que mantenga este estado», explica Kathy Christofidou, catedrática de Metalurgia Digital y Sostenible de la Universidad de Sheffield.
Del ingente abanico de posibilidades que nos ofrece la tabla periódica, encontrar la combinación adecuada de elementos obliga tradicionalmente a los científicos a analizar un elevadísimo número de posibilidades, creando y probando muestras físicas una a una. La IA puede reducir esta búsqueda espectacularmente al identificar combinaciones prometedoras más rápido que los humanos. «Se tardarían varios días solo en crear una muestra para realizar pruebas y estas llevarían tiempo», afirma Christofidou, que forma parte de un equipo que trabaja con la asociación sectorial UK AI y la empresa de ciencias de los materiales https://www.matnex.ai/MatNex para desarrollar materiales sin tierras raras.
Los datos son a la IA lo que el combustible es a una máquina
Sin embargo, la IA solo es tan potente como los datos que la alimentan. Este hecho ha dirigido la atención hacia los registros geológicos y de materiales del mundo, que en gran parte siguen estando fragmentados en diferentes bases de datos digitales, archivos estatales, informes en papel y mapas históricos. Ya están adoptándose medidas para reunir estas fuentes y hacerlas más accesibles para su análisis.
«Como sector, nos enfrentamos a un reto colectivo, ya que no estamos reuniendo estos cuerpos de información», afirma Makayi, quien añade que KoBold está trabajando con los gobiernos de Zambia y Congo para organizar sus bases de datos geológicas nacionales y facilitar su uso con fines de exploración.
«Los datos son a la IA lo que el combustible es a una máquina», apunta Jiadong Zang, profesor de Ciencias de los Materiales en la Universidad de New Hampshire, donde colaboró en la creación de una base de datos de más de 67.000 materiales magnéticos, incluidos 25 compuestos no reconocidos anteriormente cuyas propiedades magnéticas se mantienen constantes, incluso a altas temperaturas. Puesto que los datos estructurados sobre materiales magnéticos eran limitados, Zang y sus colegas usaron grandes modelos de lenguaje para analizar decenas de miles de trabajos científicos y extraer información sobre su estructura y sus propiedades químicas y magnéticas.
La capacidad para convertir décadas de información científica en datos procesables por ordenadores podría convertirse en una de las contribuciones más valiosas de la IA a la investigación sobre materiales. Equipada con este «combustible», la IA puede combinar grandes cantidades de materiales a gran velocidad, lo que permite a los humanos realizar menos ensayos, pero mejores. «Puedes realizar experimentos en el mundo virtual antes de ir al laboratorio», afirma Jonathan Bean, cofundador y consejero delegado de MatNex.
No queremos perder la creatividad humana…Pero los casos en los que hemos observado momentos de inteligencia sobrehumana son aquellos en los que la IA toma esas decisiones
Cuando la IA ve lo que los científicos podrían pasar por alto
Con suficientes datos, la IA puede hacer algo más que acelerar la búsqueda de materiales prometedores. También puede analizar combinaciones que podrían pasar inadvertidas para los investigadores humanos. Rafael Gómez-Bombarelli, profesor del MIT y cofundador de la empresa de diseño de materiales Lila Sciences, está desarrollando sistemas de IA que pueden aprender de los sucesivos experimentos y generar nuevas hipótesis. Trabajando con alternativas al rutenio y al iridio, dos metales empleados en la producción de hidrógeno verde, uno de estos sistemas dio con una idea viable que los expertos de la propia empresa no habían explorado. «No queremos perder la creatividad humana», afirma. «Pero los casos en los que hemos observado momentos de inteligencia sobrehumana son aquellos en los que la IA toma esas decisiones».
Este potencial tiene su propia contrapartida medioambiental. La IA depende de unos centros de datos que consumen mucha energía, pero Gómez-Bombarelli cree que la posibilidad de que los científicos aceleren la transición hacia las energías limpias debería pesar más que el uso relativamente modesto de la IA en este tipo de investigaciones. «A la vista de la cantidad de energía que se destina a la ciencia, el resultado será positivo», comenta.
Más allá de la mina
El reto de los minerales críticos tiene pocas probabilidades de resolverse simplemente extrayendo más. La respuesta más duradera podría residir en el uso de la tecnología para encontrar mejores yacimientos, recuperar más de los materiales existentes, reducir los residuos y, en última instancia, diseñar alternativas para algunos de los recursos más escasos. La IA está comenzando a abrir el abanico de posibilidades. Desde el descubrimiento de depósitos más ricos hasta el diseño de nuevos materiales, la IA está contribuyendo a reducir la huella medioambiental de las tierras raras necesarias para la transición energética.
Para los inversores, eso supone una oportunidad que va más allá de la minería tradicional. Podría generarse cada vez más valor en las tecnologías facilitadoras relacionadas con los minerales críticos: información geológica, exploración avanzada, descubrimiento de materiales, reciclaje, eficiencia en el procesamiento y sustitución. Estas son las áreas donde las innovaciones pueden ayudar a conciliar dos objetivos que con frecuencia parecen enfrentados: garantizar el suministro de los materiales imprescindibles para la transición energética y, al mismo tiempo, reducir el impacto derivado de su obtención.
* Cualquier referencia a una empresa o valor específico no constituye una recomendación para comprar, vender, mantener o invertir directamente en dicha empresa o en dichos valores.
compartir.