Un modelo perfecto no puede evitar que su laboratorio autónomo ejecute una síntesis inviable. He creado la compuerta que sí lo hace.
Los investigadores que ven lo que construimos no dejan de hacerme la misma pregunta y, durante mucho tiempo, les respondí lo que querían oír: «¿Cuál es su múltiplo de eficiencia de muestreo?». ¿Cuántos experimentos menos necesita su bucle en comparación con el cribado por fuerza bruta? Es una pregunta razonable. También he llegado a creer que es la pregunta equivocada para empezar, y no entendí el porqué hasta que me senté a ver cómo un robot simulado se comprometía alegremente con una receta que se habría oxidado en el aire antes de terminar de mezclarse.
Soy Ashutosh y dirijo Veriprajna. Construimos el cerebro, la compuerta de seguridad y la capa de trazabilidad para laboratorios autónomos, sobre el hardware que un laboratorio ya posee. No una instalación robótica alojada. No un reemplazo para los instrumentos que un grupo de materiales tardó una década en adquirir. La delgada capa de software de soporte de carga que decide qué ejecutar a continuación, rechaza los experimentos condenados al fracaso y mantiene el tipo de registro que exige un regulador. Esta demo, que puede abrir y probar usted mismo en veriprajna.com/es/demos/autonomous-lab-ai-la-compuerta-de-seguridad-y-pista-de-auditoria-para-un-laboratorio-autonomo, es donde fui a demostrarme a mí mismo que la capa, y no el modelo, es el producto.
La cifra por la que todos me preguntan es la equivocada
Pasé el primer mes de este desarrollo persiguiendo el múltiplo, porque eso es lo que premia el sector. La conversación actual sobre laboratorios autónomos es una carrera por conseguir un mejor sustituto y una mayor proporción de optimización bayesiana frente a cribado. Lo entiendo. Es un número claro y citable. En nuestro propio objetivo oculto, el bucle cerrado alcanza un material que cumple las especificaciones en 75 experimentos donde el cribado aleatorio necesitaría unos 1.491, lo que el panel de control reporta como 19,9 veces menos. Ese es un resultado real sobre una línea base real y reproducible, y me alegro de que esté ahí.
Pero esto es lo que me detuvo. Un sustituto perfecto, uno que predice cada propiedad sin fallos, todavía no puede evitar que se ejecute una síntesis con desequilibrio de carga. No puede rechazar una composición que se oxidará al entrar en contacto con aire húmedo. No puede generar un registro que un regulador farmacéutico acepte. Y no puede, por sí solo, cerrar el bucle. El modelo es la parte en la que todos compiten, y es la parte que conserva el valor menos duradero, porque en el momento en que su modelo es bueno, su problema ya no es la predicción. Es el control, la seguridad y la demostración.
Un mejor modelo no hace que un laboratorio autónomo sea confiable. Lo hace más rápido ejecutando experimentos que usted todavía no puede demostrar que debería haber ejecutado.
El A-Lab de Berkeley, uno de los esfuerzos de síntesis autónoma más citados que tenemos, reportó una tasa de éxito del 71 %, lo que significa que aproximadamente el 29 % de sus intentos no produjo el objetivo (A-Lab, Nature, 2023). Lea ese número de la forma en que lo lee el director de un laboratorio. Casi un tercio del tiempo del robot y de los reactivos se destinó a experimentos que no produjeron nada. Una mejor función de adquisición no soluciona eso. Otra cosa tiene que hacerlo.
¿Cuánto cuesta realmente un experimento condenado al fracaso?
Construí la compuerta en segundo lugar, y resultó ser lo que debí haber construido primero. Se sitúa fuera de los agentes, en código determinista, y cada candidato propuesto por el optimizador debe pasar por ella antes de tocar un solo reactivo. Ejecuta cinco comprobaciones, y cada una de ellas es química publicada, no una heurística inventada por mí: factor de tolerancia de Goldschmidt fuera de la ventana de formabilidad de la perovskita, factor octaédrico fuera de la ventana de octaedros estables, neutralidad de carga violada por una sustitución en el sitio B no compensada, un peligro de oxidación de Sn(II) a la humedad del proceso, y recocido por encima de la temperatura a la que se descomponen los precursores orgánicos. Si un candidato activa cualquiera de ellas, la compuerta devuelve BLOCKED, nombra la regla y reporta el dinero y las horas de robot que acaba de ahorrar.
La primera vez que hice clic en una de estas tarjetas bloqueadas, sentí cómo el argumento cobraba solidez. Observe lo que muestra el panel. Una composición con alto contenido de Sn(II), a la humedad del proceso, que el gemelo digital rechaza porque el estaño en ese estado de oxidación se oxida en aire húmedo. No es una mala predicción que el modelo debió haber detectado. Es un hecho físico que el modelo nunca fue la herramienta adecuada para hacer cumplir. La compuerta ahorró 105 dólares y algo más de dos horas de robot en ese único candidato, y emitió un recibo de la decisión. Multiplique eso a lo largo de una campaña y ya no estará hablando de algo prescindible. Estará hablando de cerrar deliberadamente esa fuga del 29 %.
Quiero ser preciso sobre lo que es esto, porque el planteamiento honesto me importa más que el impresionante. El «laboratorio» detrás de esta compuerta es un simulador con una interfaz tipo SiLA-2, y el objetivo es un benchmark sintético motivado físicamente, no DFT real ni datos reales de laboratorio. No afirmo que hayamos sintetizado un material. Afirmo que el mecanismo, el rechazo determinista de la química condenada al fracaso, es real, inspeccionable e independiente de lo bueno que sea cualquier modelo.
Intenté dejar que el modelo se regulara a sí mismo. Me mintió con total naturalidad.
Al principio no creía que la compuerta tuviera que ser determinista. Mi primer instinto, sinceramente, fue el que está de moda: dejar que los agentes basados en modelos de lenguaje razonaran sobre la viabilidad. Tenía un agente Director de Laboratorio narrando la estrategia y un agente Crítico señalando desviaciones, y parecía elegante simplemente preguntarles, en la práctica: «¿es este candidato seguro y razonable?». Así que durante una tarde dejé que el juicio del modelo sustituyera la comprobación.
Racionalizó una composición con desequilibrio de carga. Con total seguridad. Me ofreció un párrafo fluido explicando por qué la sustitución en el sitio B probablemente estaba bien, y el párrafo era erróneo, y nada en su tono revelaba que estuviera equivocado. Esa fue la tarde en que el principio de diseño dejó de ser un eslogan y se convirtió en una regla innegociable.
Los agentes aconsejan, el código decide. En un laboratorio autónomo eso no es una limitación. Es la única forma en que la autonomía se gana el derecho a operar desatendida.
Así que trasladé la decisión de viabilidad y seguridad de forma permanente fuera de los agentes y al código determinista, e independicé el optimizador del modelo de lenguaje también. Los agentes narran y critican, y si ejecuta la demo sin una clave de API, recurren a una narración determinista y todo sigue funcionando, porque la compuerta y el optimizador nunca dependen del modelo en absoluto. El optimizador en sí no es exótico, y prefiero ser honesto antes que impresionante al respecto: es un sustituto de procesos gaussianos con adquisición ParEGO dirigida a objetivos, escrito en numpy y scipy. Un método maduro y deliberadamente sobrio. El reemplazo para producción es BoTorch y Ax. La clave nunca fue un optimizador ingenioso. La clave era que la parte a la que le confías la seguridad no puede ser la parte que habla con párrafos llenos de seguridad.
El marcador que realmente me importa
Ahora miro este marcador de forma diferente a cuando empecé. La mirada de todos se dirige a la cifra de 19,9 veces, y es genuinamente buena. Pero el número que señalo cuando un director de I+D pregunta qué cambiamos realmente está justo al lado: 38 candidatos inviables bloqueados antes de la síntesis, 4.419 $ de desperdicio de reactivos y 90,1 horas de robot evitadas, y cero experimentos condenados al fracaso ejecutados. Con el mismo objetivo oculto, el cribado aleatorio no solo tardó más. Habría consumido todo eso.
El múltiplo se vuelve menos impresionante a medida que mejoran los modelos de todos. El desperdicio que evita la compuerta y el registro que mantiene solo se vuelven más valiosos.
Observe lo que el bucle no hizo. No pretendió ser perfecto. A lo largo del benchmark con múltiples semillas, el bucle cerrado resolvió 9 de 10 ejecuciones dentro del presupuesto, no 10 de 10, y el bucle absorbe una tasa del 10 al 15 % de fallos robóticos inyectados, porque los robots reales fallan y fingir lo contrario convertiría la demo en una mentira. Uno de los registros en la pista de auditoría es una síntesis que falló y se capturó como dato negativo, porque un laboratorio autónomo que descarta sus fallos está desechando exactamente la información que delimita con precisión la frontera. Mantuve eso visible a propósito.
Y el múltiplo tiene un alcance que no permitiré que nadie le reste. El resultado de 75 frente a 1.491, las 19,9 veces, los 4.419 $, todo ello es optimización bayesiana frente a líneas base sobre un objetivo sintético oculto. Es evidencia de respaldo de que el motor funciona. Esto no es una garantía de mundo abierto, y si el bucle no hubiera logrado superar las líneas base, estaría reportando eso en su lugar. El valor que encabezo, el desperdicio evitado y la trazabilidad, se mantiene para cualquier calidad de modelo. El múltiplo es la parte que depende del benchmark, por lo que es la parte a la que mantengo soldada la advertencia.
¿Creería un regulador a su robot?
No esperaba que la capa de trazabilidad fuera la pieza que convenciera a la gente, pero es la que más impacta a cualquiera que trabaje bajo un marco regulatorio. Los «Principios rectores para la IA en el desarrollo de medicamentos» de 2026 de la FDA y la EMA exigen una trazabilidad que sea atribuible y contemporánea. En términos sencillos: para cada decisión automatizada, quién o qué la tomó, sobre qué base, en qué momento, y si puede demostrar que el registro no ha sido modificado desde entonces. Un mejor sustituto no le acerca ni un milímetro a eso. Un registro sí lo hace.
Un laboratorio autónomo que no puede demostrar lo que hizo anoche no es autónomo. Carece de rendición de cuentas, y ningún laboratorio regulado lo ejecutará dos veces.
Así, cada decisión que toma el sistema, tanto una síntesis como un bloqueo, se convierte en un registro ALCOA+: una marca de tiempo, el algoritmo que eligió, las propiedades predichas y su incertidumbre, la justificación, el veredicto de la compuerta y el resultado medido. Cada registro lleva un hash SHA-256 encadenado al anterior. A lo largo de la campaña con semilla 411 eso sumó 113 registros, 75 síntesis y 38 bloqueos, y puede exportar todo como JSON y como un informe renderizado.
Aquí es donde debo ser prudente, y donde he visto a otros hacer afirmaciones exageradas. Se trata de trazabilidad ALCOA+ mapeada, y no está validada por IQ/OQ/PQ frente al procedimiento operativo estándar de un cliente. Esa validación constituye el proyecto de consultoría e implantación, no es una casilla que pueda marcar en una demo. Lo que puedo mostrarle es que la propiedad es real e inspeccionable, no decorativa. Así que creé una prueba de manipulación (Tamper test) que edita un registro y vuelve a ejecutar la comprobación de la cadena.
La primera vez que ejecuté esa prueba y vi cómo imprimía «Chain broken at record #2: tamper detected. The filed audit is provably altered», comprendí lo que realmente había construido. No un optimizador más rápido. Una capa que permite a un laboratorio demostrar, a posteriori, que sus decisiones autónomas son exactamente lo que el registro afirma que fueron. Eso es lo que no se puede comprar con un mejor modelo, y es lo que un regulador, un auditor o usted mismo en el futuro exigirán.
Lo que creo que le falta a la carrera de los laboratorios autónomos
No me propuse argumentar en contra de la eficiencia de muestreo, y quiero dejar claro que no lo hago. Menos experimentos para alcanzar un objetivo es un valor real y nuestro bucle lo ofrece. Lo que llegué a creer, tras construir todo el sistema y observar dónde residía realmente mi propia confianza, es que el campo se ha obsesionado con el único número que se vuelve menos duradero a medida que la tecnología madura. Cuando cada grupo tenga un buen sustituto, el múltiplo dejará de ser un diferenciador. La compuerta que rechaza la química condenada al fracaso y el registro que demuestra lo que se ejecutó solo adquieren más valor, porque son las piezas que la autonomía necesita antes de que alguien le permita operar desatendida.
Por tanto, la apuesta contracorriente, por la que me jugaría la empresa, es colocar la decisión de viabilidad y seguridad en código determinista, fuera de los agentes, y tratar cada decisión automatizada como algo que debe poder demostrarse más adelante. No porque los modelos sean malos. Sino porque las preguntas que deciden si a un laboratorio autónomo se le permite operar durante la noche no son preguntas de predicción. Son preguntas de seguridad y de trazabilidad, y para eso se requiere código y hashes, no párrafos elocuentes y confiados.
Puede abrir el bucle, bloquear una síntesis condenada al fracaso, romper la cadena de auditoría usted mismo y comprobar si está de acuerdo, en veriprajna.com/es/demos/autonomous-lab-ai-la-compuerta-de-seguridad-y-pista-de-auditoria-para-un-laboratorio-autonomo.
Y si prefiere verlo en lugar de leerme describirlo, aquí tiene todo el sistema funcionando de principio a fin.
La pregunta a la que sigo dando vueltas, y a la que sinceramente me gustaría recibir una respuesta de cualquiera que opere automatización real: si su laboratorio ejecutara mil experimentos de forma desatendida esta noche, ¿a cuál de esas dos cosas recurriría por la mañana: a un mejor modelo o a un registro que pueda demostrar?
