Con el objetivo de acelerar este desafío, NTT DATA, en colaboración con la Universidad de Palermo y la Universidad de Catanzaro, ha desarrollado una solución basada en inteligencia artificial capaz de reducir hasta veinte veces el tiempo necesario para identificar catalizadores que capturen y transformen CO2 de manera eficiente.
Financiado por Spoke 7 del Centro Italiano de Investigación en Computación de Alto Rendimiento, Big Data y Computación Cuántica (ICSC), la iniciativa combina modelos avanzados de inteligencia artificial con herramientas de química computacional para analizar millones de posibles compuestos químicos y seleccionar aquellos con mayores probabilidades de éxito en la conversión y captura de CO₂. Gracias a este enfoque, los investigadores pueden centrar sus esfuerzos experimentales en las alternativas más prometedoras, reduciendo significativamente los tiempos, costes e incertidumbres asociados a los procesos de investigación y desarrollo.
Como resultado del estudio, el equipo investigador ha identificado además una nueva familia de catalizadores y entre ellos destacan varios compuestos basados en manganeso, que han demostrado una elevada capacidad para capturar y transformar dióxido de carbono de forma eficiente y estable.
La tecnología desarrollada por NTT DATA representa un avance significativo en la aplicación de la inteligencia artificial al descubrimiento de nuevos materiales, al convertir un proceso tradicionalmente largo y complejo en un modelo más ágil, predecible y escalable. Además de acelerar el desarrollo de nuevas soluciones y facilitar su llegada al mercado, esta metodología puede impulsar la innovación sostenible manteniendo los niveles de rendimiento que exige la industria.
Más allá de su contribución a la descarbonización industrial, el enfoque desarrollado puede aplicarse a otros sectores intensivos en I+D, como la energía, la química, la industria farmacéutica o el desarrollo de materiales avanzados.
“Hemos desarrollado un marco de IA para dar soporte a los flujos de trabajo de informática de materiales a nivel industrial”, declaró Antonio Policicchio, responsable de Computación Cuántica e Informática de Materiales en NTT DATA en Italia. “Este enfoque acelera la innovación sostenible y fortalece la competitividad industrial”.
“Al integrar el aprendizaje automático con simulaciones atomísticas, identificamos los parámetros clave necesarios para obtener catalizadores más eficientes”, afirmó Adriana Pietropaolo, de la Universidad de Catanzaro.
“Esta colaboración une la excelencia académica con las necesidades industriales, impulsando la innovación global desde el sur de Italia”, añadió el profesor Giampaolo Barone, de la Universidad de Palermo.
Apuesta por la sostenibilidad
Este nuevo hallazgo llega en un contexto en que las organizaciones enfrentan el desafío de reducir su impacto ambiental sin frenar el negocio, un reto en el que la tecnología tiene un papel fundamental. El mercado de los servicios de consultoría de sostenibilidad se triplicará en cinco años, rozando los 100.000 millones de euros en 2029, según destaca el informe ‘Technology Foresight 2026’ publicado por NTT DATA recientemente.
Entre las tendencias identificadas, los expertos destacan la importancia de la computación con conciencia del carbono y los centros de datos con cero emisiones netas. Estos avancen permiten reducir el impacto ambiental de las operaciones digitales, ya que alinean las cargas de trabajo con la disponibilidad de energía baja en carbono. Al mismo tiempo, también se resalta el uso de gemelos digitales, ya que permiten modelar los flujos de energía, materiales y emisiones antes de que se produzcan los cambios, lo que hace más eficiente la previsión de los resultados de las acciones.
De forma global, el estudio destaca la necesidad de pasar de la obsesión por la eficiencia a una mirada más amplia, donde la inteligencia artificial ayude a escalar lo que de verdad importa —el propósito, la confianza y el impacto en la sociedad— y a construir un crecimiento que sea, al mismo tiempo, sostenido y sostenible.
