Durante siglos, descubrir un material nuevo tomaba décadas de laboratorio. Alchemist es nuestra puerta de entrada a NVIDIA ALCHEMI: simulación atomística con precisión cercana a química cuántica, a velocidad de GPU, corriendo on-premise en un DGX Spark. Miles de candidatos moleculares evaluados antes de tocar un solo matraz.
* Cifras publicadas por NVIDIA (SC24 / SC25)
La química computacional siempre vivió una guerra entre precisión y velocidad: DFT es exacto pero lentísimo; los campos de fuerza clásicos son rápidos pero imprecisos. ALCHEMI rompe ese trade-off con potenciales interatómicos de machine learning (MLIPs) acelerados en GPU, en cuatro pilares integrados:
Exploración del universo de materiales y propuesta de candidatos nuevos según propiedades deseadas.
Potenciales interatómicos con precisión cercana a la química cuántica (DFT) a una fracción del costo computacional.
Modelos fundacionales preentrenados que mapean representaciones moleculares a propiedades para screening rápido.
Herramientas de simulación para generar datasets de entrenamiento y fine-tuning de nuevos casos de uso.
Batched Geometry Relaxation — relajación por lotes (MACE-MP-0 / AIMNet2)
Batched Conformer Search — confórmeros de baja energía
Batched Molecular Dynamics — MD de alto throughput
Validación cuántica por lotes
Kernels Warp: MD, FIRE, Ewald/PME, >100.000 átomos
SC24: anuncio + BGR · SC25: BCS, BMD y Batched DFT
Cada caso es un screening que hoy toma meses de laboratorio o clusters de supercómputo — y que en esta PoC corre en horas, en una máquina que cabe en tu escritorio.
Screening batcheado de miles de formulaciones de electrolitos, aditivos SEI y sorbentes selectivos para extraer litio de salmuera sin pozas de evaporación. El caso natural para Chile, corazón del triángulo del litio.
Minería no metálica · EnergíaDiseño de colectores selectivos y agentes de lixiviación menos tóxicos simulando la interfaz mineral–reactivo a escala atómica. Mayor recuperación con menor impacto ambiental.
Gran mineríaBúsqueda masiva de catalizadores OER/HER de bajo costo para electrólisis. El iridio cuesta más que el oro; encontrar su reemplazo define la economía del hidrógeno verde en Magallanes y Antofagasta.
Energía · H2VMateriales porosos diseñados por IA para desalar agua de mar y tratar riles mineros con menor consumo energético. Simulación de transporte iónico a través de membranas candidatas.
Recursos hídricosDescubrimiento de refrigerantes dieléctricos de nueva generación — el mismo caso que NVIDIA exhibió en SC25. Si operas o vendes infraestructura AI, este es el caso que te toca directo.
Datacenter · Infraestructura AIEmolientes, filtros UV, estabilidad de formulaciones y compatibilidad de ingredientes — uno de los casos de uso oficiales de ALCHEMI, con ciclos de venta más cortos que la industria pesada.
Retail · Consumo masivomoléculas mapeadas en medio día — con ALCHEMI, menos de una hora
«Podría mejorar drásticamente nuestro mapeo de propiedades moleculares.»
— Qichao Hu, CEO
candidatos de inmersión líquida evaluados en semanas (y 100 M para OER)
«No habíamos considerado búsquedas a escala de 10–100 millones; ALCHEMI hizo sorprendentemente fácil muestrear extensivamente.»
— Takeshi Ibuka, GM AI Innovation
conformer search más rápido sobre un espacio de ~10¹⁰⁰ moléculas
«Podemos cambiar por completo la escala y velocidad del descubrimiento.»
— Julie Brown, EVP & CTO
Si ellos operan a escala de 10–100 millones de candidatos, tu primera campaña de 5.000 corre en una tarde.
Una demo en vivo, reproducible, corriendo 100% on-premise sobre el DGX Spark. Sin nube, sin que una sola estructura molecular salga de la sala.
Generamos o cargamos miles de estructuras candidatas (electrolitos, catalizadores, sorbentes) como grafos atómicos residentes en GPU.
Relajación estructural y dinámica molecular de miles de sistemas en paralelo con MLIPs (MACE / AIMNet2) sobre ALCHEMI Toolkit — precisión cercana a DFT, a una fracción del costo.
Ranking por energía, estabilidad y propiedades objetivo, con visualización molecular interactiva en vivo. El cliente ve su shortlist de candidatos al final de la sesión.
# DGX Spark · GB10 · aarch64 · CUDA 13 $ uv pip install nvalchemi-toolkit $ python run_screening.py --candidates 5000 \ --model mace-mp --stage relax+md [alchemist] cargando 5,000 estructuras → GPU [alchemist] batch MD · 300K · 10ps · NVT ████████████████████░░ 91% ETA 00:04:12 ✓ 5,000 sistemas relajados en 38 min (estimado DFT equivalente: ~14 meses) ★ top-10 candidatos → results/shortlist.zarr $ ▊
El niobato Nb₂O₅ es un ánodo prometedor para baterías de carga ultrarrápida, pero elegir el polimorfo correcto y anticipar su voltaje de intercalación de litio es un cuello de botella clásico de DFT: cada estructura son horas de cómputo cuántico. Corrimos ese screening con ALCHEMI.
Nb₂O₅ tiene varios polimorfos (T, H, B, TT…) con estabilidades muy parecidas y comportamientos de batería distintos. Rankearlos y estimar el voltaje de litiación por DFT es caro y no escala a decenas de candidatos.
Bajamos los 9 polimorfos reales de Nb₂O₅ de Materials Project, los relajamos en lote con MACE-MP-0 vía el NIM ALCHEMI (Batched Geometry Relaxation), los rankeamos por energía y estimamos el perfil de voltaje de Li en la fase T con el mismo potencial — incluyendo el Li metálico de referencia, calculado y no asumido.
MACE-MP-0 está entrenado sobre DFT-PBE, que tiene errores conocidos en óxidos de metales de transición (band gaps subestimados, sesgos de oxidación). Las energías relativas y el perfil de voltaje sirven a nivel de screening — ordenar candidatos y ver tendencias —, no como precisión química absoluta. Reportamos las discrepancias, no las escondemos.
Estructuras: Materials Project · Cómputo: NIM ALCHEMI BGR · modelo MACE-MP-0 (mace_mp_0b2-large) · fmax 0,05 eV/Å · celda relajada
El mismo pipeline que rankeó los polimorfos de Nb₂O₅ responde preguntas industriales distintas según qué le pidas: catálisis, hidrógeno, efluentes, sustitución de plomo, desgaste y rutas de síntesis. Cada módulo se ejecuta en vivo desde el PoC, con parámetros que elige el usuario.
El PZT (PbZr₀‚₅Ti₀‚₅O₃) domina el mercado piezoeléctrico y contiene plomo. Construimos su alternativa KNN (K₀‚₅Na₀‚₅NbO₃) sustituyendo la mitad de los sitios de K en KNbO₃, relajamos ambas aleaciones con nuestras propias referencias elementales y comparamos energías de formación por átomo.
Segundo caso del módulo (desgaste): NbC alcanza B₀ = 333,9 GPa frente a 496,2 GPa de WC — el niobio no iguala al tungsteno en rigidez, y lo reportamos igual.
Probarlo en el PoC ↗
Distancia al convex hull de un sistema químico completo, con energías propias y consistentes entre sí.
⚠ Hull a 0 K: no predice qué fase gana a temperatura de proceso.
Energía de adsorción de H, O, OH, H₂O, CO y fenol sobre superficies de bajo índice, con ΔG_H* para candidatos HER.
⚠ Requiere átomos congelados: corre con MLIP local, no sobre el NIM.
Dinámica molecular NVT a 300–1200 K con veredicto por estructura según difusión y estructura local conservada.
⚠ El NIM sólo relaja: la dinámica necesita MLIP local.
Reemplaza un elemento en una estructura cristalina y reporta la energía de sustitución y la distorsión local del dopante.
⚠ Energías a 0 K sin entropía ni ZPE: ordena candidatos, no da precisión absoluta.
Módulo de bulk por ecuación de estado Birch-Murnaghan y tensor elástico por deformaciones finitas.
⚠ Elasticidad ideal a 0 K: no modela defectos ni bordes de grano.
Balancea una reacción escrita en texto y calcula su ΔE con energías relajadas de cada especie.
⚠ Termodinámica a 0 K: no incluye cinética ni barreras de activación.
El posicionamiento es de embudo: ALCHEMI filtra miles de candidatos en minutos, DFT y laboratorio confirman los pocos que sobreviven.
Los alquimistas tenían el atanor — el horno donde ocurría la transmutación. El nuestro es un NVIDIA DGX Spark: la superchip Grace Blackwell GB10 con memoria unificada, en un formato que se instala en la oficina del cliente, no en un datacenter.
Eso significa soberanía total de datos: fórmulas, estructuras y resultados de I+D — el activo más sensible de una empresa química o minera — nunca abandonan el perímetro. Y cuando el screening exige más escala, el mismo pipeline sube sin cambios a un clúster H200 o a DGX Cloud.
Workstation RTX PRO → DGX Spark → clúster H200 / DGX Cloud: mismo código, distinta escala.
Sesión de descubrimiento de 90 minutos con nuestro equipo: definimos tu espacio químico, corremos un screening real en el DGX Spark y te llevas el shortlist.
SIN COSTO PARA EMPRESAS CALIFICADAS · CUPOS LIMITADOS POR TRIMESTRE