Dos equipos de investigación de la Universidad de California en Santa Bárbara (UCSB) fueron elegidos para participar en la primera fase de la Misión Génesis, una iniciativa del Departamento de Energía (DOE) de Estados Unidos que busca acelerar los descubrimientos científicos mediante el uso de inteligencia artificial (IA).

Los proyectos, dirigidos por la bioingeniera Michelle O'Malley y el bioquímico Justin Wilson, integran el primer grupo de 278 investigaciones seleccionadas entre representantes de 342 instituciones, incluidas universidades, laboratorios nacionales, empresas y organizaciones sin fines de lucro.

Según informó UCSB News, la Misión Génesis reúne al gobierno, la industria, la academia y organizaciones filantrópicas con el objetivo de combinar inteligencia artificial, supercomputación, sistemas cuánticos e instrumentos científicos avanzados para impulsar avances en energía, descubrimiento científico y seguridad nacional.

En esta primera etapa, los equipos deberán demostrar que la IA puede acelerar la investigación, mejorar la capacidad de predicción, optimizar la experimentación y generar nuevos conocimientos científicos.

Two research teams led by #UCSB faculty have been selected for support through the U.S. Department of Energy’s (@energy) historic Genesis Mission, a new national initiative designed to accelerate scientific discovery with A.I.https://t.co/Ywb7VtOUjY@ScienceUnderSec

— UC Santa Barbara (@ucsantabarbara) July 23, 2026

El primer proyecto busca entender comunidades de microorganismos anaeróbicos

Uno de los proyectos se enfoca en comprender el comportamiento de comunidades de microorganismos anaeróbicos, aquellos que viven sin oxígeno. Según UCSB News, el equipo de O'Malley intentará desarrollar modelos capaces de predecir cómo interactúan estos microbios para transformarlos en productores de compuestos químicos de alto valor industrial. Entre ellos figuran los ácidos grasos de cadena media, utilizados para fabricar combustibles, bioplásticos, detergentes, medicamentos, productos de cuidado personal y materiales avanzados.

La bioingeniera Michelle O'Malley junto a su equipo de investigadores de la Universidad de California Santa Bárbara. Foto gentileza ucsb.edu

Según UCSB News, el objetivo es aprovechar residuos vegetales como materia prima y utilizar inteligencia artificial para identificar las combinaciones de microorganismos y las condiciones de cultivo más eficientes. Para lograrlo, el sistema analizará los resultados obtenidos, recomendará nuevos experimentos y perfeccionará sus predicciones después de cada ronda de pruebas, lo que permitirá explorar muchas más posibilidades que los métodos tradicionales.

El trabajo experimental se desarrollará en ExFAB, una instalación especializada de la UCSB que cuenta con una cámara anaeróbica automatizada. Allí, robots e instrumentos científicos podrán analizar miles de muestras sin exponer los microorganismos al oxígeno. La plataforma tiene capacidad para estudiar alrededor de 8.000 microbios individuales o comunidades microbianas por semana, lo que permitirá generar una cantidad de información sin precedentes para entrenar los modelos de inteligencia artificial.

El segundo proyecto busca capturar metales con proteínas diseñadas con IA

Los científicos de la Universidad de California Santa Bárbara, el bioquímico Justin Wilson y la bioingeniera Michelle O'Malley. Ambos fueron seleccionados para el proyecto Misión Génesis de EE.UU. Foto gentileza ucsb.edu

El segundo proyecto apunta a resolver otro desafío científico: la separación de minerales críticos como el níquel, el cobalto y las tierras raras, esenciales para tecnologías energéticas avanzadas, dispositivos electrónicos y aplicaciones vinculadas con la seguridad nacional. Debido a que estos materiales poseen propiedades químicas muy similares, su extracción requiere procesos complejos, costosos y con un elevado consumo de energía, según informó UCSB News.

Para enfrentar ese problema, el equipo de Wilson desarrollará un sistema de dos etapas que combinará moléculas capaces de capturar metales con proteínas diseñadas mediante inteligencia artificial. Los modelos computacionales identificarán las opciones más prometedoras, que luego pasarán por pruebas experimentales. Los resultados volverán a alimentar el sistema para mejorar las predicciones y recomendar nuevos diseños. Los científicos esperan que este método reduzca al menos diez veces el espacio de búsqueda experimental y acorte los ciclos de diseño de meses a semanas.