Seleccionan 31 proyectos para replantear cómo se hace ciencia
La nueva iniciativa ARiSE de Japón destinará 32.000 millones de yenes a investigaciones científicas que utilizan inteligencia artificial para formular hipótesis, planificar y realizar experimentos, analizar resultados y decidir qué investigar después. La Agencia Japonesa de Ciencia y Tecnología (JST) seleccionó 31 proyectos entre 203 propuestas. La financiación cubrirá aproximadamente dos años y medio, desde octubre de 2026 hasta marzo de 2029.
Contenido
- Seleccionan 31 proyectos para replantear cómo se hace ciencia
- Toma forma una estrategia nacional
- Dos categorías de financiación con distintas funciones
- Los datos sobre materiales se convierten en una plataforma de investigación compartida
- Un modelo genómico que aprende de los experimentos fallidos
- De los instrumentos automatizados a una instalación autónoma
- La teoría científica se incorpora a la IA
- La investigación sobre el cáncer va más allá del reconocimiento de patrones
- El acceso a la capacidad informática y el intercambio de recursos definirán la ejecución
- Puntos clave
El anuncio de selección del 29 de septiembre de la JST confirma que se eligieron 12 proyectos para la categoría de Objetivos Estratégicos y 19 para la categoría Internacional e Interdisciplinaria. En total, 82 asesores participaron en la revisión de documentos y las entrevistas. Está previsto que las investigaciones comiencen una vez que se completen los contratos y otros preparativos, no automáticamente en la fecha del anuncio.
ARiSE significa Inteligencia Artificial para Rediseñar la Exploración Científica. Su ambición va más allá de usar la IA para procesar un conjunto de datos o resumir artículos científicos. El programa busca conectar el razonamiento digital con los experimentos físicos y crear un ciclo repetido en el que los resultados experimentales ayuden a la IA a desarrollar mejores hipótesis y diseños.
La tasa general de selección fue de aproximadamente el 15,3%, calculada a partir de 31 propuestas seleccionadas entre 203 postulaciones. En la categoría de Objetivos Estratégicos se aceptaron 12 de 70 propuestas, cerca del 17,1%; en la categoría Internacional e Interdisciplinaria se aceptaron 19 de 133, aproximadamente el 14,3%. Estas cifras muestran la competencia para acceder al programa, aunque no indican la clasificación de cada proyecto ni cómo se distribuirá finalmente la financiación.
El director del programa es Takafumi Aoki, vicepresidente ejecutivo de la Universidad de Tohoku. Sadao Kurohashi, director del Instituto Nacional de Informática (NII), está a cargo de la categoría de Objetivos Estratégicos. Shunichi Ueda, subdirector del Centro de Proyectos de Inteligencia Avanzada de RIKEN, está a cargo de la categoría Internacional e Interdisciplinaria.
Toma forma una estrategia nacional
ARiSE sigue la estrategia del Ministerio de Educación, Cultura, Deportes, Ciencia y Tecnología para promover la inteligencia artificial aplicada a la ciencia, adoptada el 31 de marzo de 2026. La JST describe la iniciativa como un programa emblemático destinado a concentrar inversiones en ámbitos donde las fortalezas científicas de Japón puedan producir resultados competitivos a nivel internacional, y a respaldar la colaboración con investigadores destacados de otros países.
La Oficina de Promoción de la Investigación del ministerio publicó su página sobre los principios básicos de ARiSE el 16 de abril de 2026. La página incluye un enlace a un documento de políticas de 262 KB, pero no reproduce sus disposiciones detalladas.
La secuencia desde la elaboración de la política hasta la selección de proyectos fue relativamente breve:
- 31 de marzo de 2026: El ministerio adoptó su política estratégica básica para promover la inteligencia artificial aplicada a la ciencia.
- 16 de abril de 2026: La Oficina de Promoción de la Investigación publicó la página sobre los principios básicos de ARiSE.
- Del 12 de mayo al 30 de junio de 2026: La JST recibió propuestas de investigación.
- 29 de septiembre de 2026: La JST anunció los 31 proyectos seleccionados.
- 2 de octubre de 2026: La Universidad de Tohoku anunció tres proyectos seleccionados.
- 13 de octubre de 2026: La JST celebró una sesión informativa sobre los antecedentes de la iniciativa y su funcionamiento previsto.
- Marzo de 2029: Está previsto que termine el actual período de financiación de la investigación.
El presidente de la JST, Kazuhito Hashimoto, ha sostenido que Japón no puede igualar a Estados Unidos y China solo mediante el volumen de inversión. La alternativa consiste en centrarse en ámbitos en los que Japón ha acumulado datos científicos valiosos, conocimientos especializados, capacidades experimentales y experiencia en robótica.
También le preocupa la dependencia. Si los investigadores japoneses utilizan únicamente IA desarrollada en otros países, la tecnología fundamental y los recursos informáticos podrían quedar bajo el control de otros gobiernos. Por ello, ARiSE combina el desarrollo de modelos nacionales con la cooperación internacional, en lugar de tratarlos como opciones incompatibles.
Dos categorías de financiación con distintas funciones
La categoría de Objetivos Estratégicos apoya equipos más grandes en ciencia de materiales, ciencias de la vida e instalaciones y equipos de investigación de gran escala. De los 12 proyectos seleccionados, seis corresponden a materiales, cuatro a ciencias de la vida y dos a instalaciones o equipos de gran escala.
Los proyectos de materiales se dividen entre tres objetivos. Los objetivos 1-1 y 1-2 cuentan con un proyecto seleccionado cada uno, con un límite de financiación aproximado de 3.000 millones de yenes por proyecto. El objetivo 1-3 tiene cuatro proyectos, con un límite de aproximadamente 1.000 millones de yenes para cada uno. Los proyectos de ciencias de la vida y de grandes instalaciones tienen un límite aproximado de 2.000 millones de yenes por proyecto. Se trata de límites de financiación, no de subvenciones confirmadas para todos los equipos.
La categoría Internacional e Interdisciplinaria está abierta a todos los campos científicos. Apoya investigaciones que incorporan teorías, leyes y conocimientos estructurales científicos en la IA, con una financiación habitual de 200 millones de yenes por proyecto. Las propuestas pueden solicitar hasta 650 millones de yenes cuando sea necesario para alcanzar sus objetivos.
En cada propuesta, un investigador en IA y un investigador del campo científico pertinente deben compartir el liderazgo. Los equipos también deben planificar desde el principio sus necesidades informáticas, promover la colaboración internacional, establecer normas para compartir y proteger los datos y abordar la seguridad de la investigación. Estos requisitos hacen que la experiencia científica y la planificación de la infraestructura formen parte del diseño de la investigación, en lugar de añadirse después de elegir un modelo de IA.
Los datos sobre materiales se convierten en una plataforma de investigación compartida
Un proyecto central sobre materiales busca conectar los datos sobre materiales acumulados por Japón con grandes modelos de lenguaje nacionales y herramientas especializadas de IA. Los datos y recursos de investigación desarrollados en torno al Instituto Nacional de Ciencia de Materiales (NIMS) tienen como objetivo contribuir a una plataforma nacional de IA para materiales.
La plataforma propuesta tiene varias capas conectadas: datos y herramientas analíticas preparados para el uso de IA, modelos fundacionales de materiales, agentes de IA que ayuden con el descubrimiento y el diseño, y equipos experimentales avanzados. Un modelo fundacional es un modelo entrenado con una amplia variedad de datos que puede servir de base para distintas tareas de investigación. Un agente de IA puede utilizar herramientas y coordinar pasos para alcanzar un objetivo determinado.
El ciclo de investigación previsto comienza cuando la IA propone un material o una condición experimental. A continuación, los equipos conectados realizan el experimento y sus resultados se incorporan al siguiente diseño. El objetivo es poner esta capacidad al alcance de una amplia comunidad de investigadores en materiales, en vez de limitarla a unos pocos equipos con amplios conocimientos de IA.
Los tres proyectos seleccionados de la Universidad de Tohoku muestran cómo esta iniciativa nacional se vincula con programas de investigación concretos. El profesor Yu Kumagai dirige una plataforma para desarrollar materiales sólidos duros mediante IA, junto con los profesores Goro Miyamoto y Motoki Shiga, quienes codirigen la investigación.
Un segundo proyecto de Tohoku estudia la creación autónoma de materiales magnéticos y la comprensión de sus mecanismos mediante la colaboración entre personas y la IA. Lo dirige el profesor Takafumi Hirohata, junto con Yuma Iwasaki, del NIMS, y el profesor Kanta Ono, de la Universidad de Osaka.
El tercer proyecto seleccionado de Tohoku, en la categoría Internacional e Interdisciplinaria, es el Modelo Mundial de Tsunamis. Lo dirige el profesor Shunichi Koshimura, junto con el profesor Kentaro Inui y Yuichiro Usuda, del Instituto Nacional de Investigación en Ciencias de la Tierra y Prevención de Desastres. Su inclusión demuestra que ARiSE abarca más que los materiales de laboratorio y la biología, aunque el anuncio de la universidad no detalla las capacidades previstas del modelo.
Un modelo genómico que aprende de los experimentos fallidos
El programa de ciencias de la vida incluye un modelo de lenguaje genómico de aproximadamente 4.000 millones de parámetros, diseñado para abarcar plantas, animales, seres humanos y microorganismos. A diferencia de un modelo de lenguaje convencional entrenado con palabras, un modelo de lenguaje genómico aprende patrones en secuencias de ADN para apoyar la investigación sobre la función biológica y el diseño de genomas.
Los parámetros son los valores numéricos que un modelo ajusta durante el entrenamiento. El modelo previsto se basará en otro modelo existente de aproximadamente 7.000 millones de parámetros. Esas cifras describen el tamaño de los modelos, pero no demuestran que el nuevo modelo vaya a superar al anterior. Su valor científico dependerá de los datos biológicos, los experimentos y el proceso de aprendizaje que se desarrollen en torno a él.
El proyecto emplea un ciclo de diseño, construcción, prueba y aprendizaje. Los investigadores diseñan una secuencia o una hipótesis, la producen y la prueban mediante experimentos, y luego incorporan los resultados al modelo. Se prevé que los resultados satisfactorios, los experimentos fallidos y los recursos genéticos contribuyan al aprendizaje posterior. Incluir los fracasos es importante porque un experimento infructuoso puede ayudar a identificar qué diseños o condiciones no funcionan.
El modelo está pensado como un recurso compartido para los investigadores en ciencias de la vida, cuyo uso práctico se promoverá a través del consorcio Bio-AGILE. La bioseguridad y la seguridad del modelo forman parte explícita del trabajo. Una herramienta que pueda apoyar el diseño biológico requiere salvaguardas, además de mejoras en su capacidad predictiva.
De los instrumentos automatizados a una instalación autónoma
El proyecto para desarrollar una instalación de investigación sin personal reúne al Instituto de Ciencia de Tokio, RIKEN y Epistora. Según el anuncio del proyecto de Epistora, el profesor Genki Kanda, del Instituto de Ciencia de Tokio, dirige la investigación. Los codirectores son Koichi Takahashi, director de proyecto del programa de desarrollo de modelos fundacionales científicos de RIKEN, y Yosuke Ozawa, director ejecutivo de Epistora.
El proyecto forma parte del Objetivo Estratégico 3, que abarca la optimización de las operaciones, la automatización, el funcionamiento autónomo y las mejoras en la planificación de experimentos y el análisis de datos en instalaciones de investigación de gran escala. Desarrollará y probará agentes de IA y modelos fundacionales que conecten los planes de investigación, los equipos experimentales y los datos resultantes.
La diferencia entre un instrumento automatizado y una instalación autónoma es práctica. Un robot puede realizar un experimento, pero las personas quizá aún tengan que preparar los equipos, trasladar las muestras, reponer los suministros, programar el uso de los instrumentos y resolver interrupciones. ARiSE busca ocuparse de esas tareas complementarias, además de los experimentos.
La instalación propuesta tiene tres componentes conectados. Sus sistemas de información se ocuparán de los objetivos de investigación, las hipótesis, los planes experimentales, el análisis y las decisiones sobre los experimentos posteriores. Los sistemas operativos asignarán equipos, tiempo y materiales. Los sistemas físicos automatizarán el transporte, la reposición de suministros y la recuperación tras interrupciones.
Las personas supervisarían el proceso, en lugar de gestionar cada paso. La instalación está concebida para respaldar investigaciones continuas sobre el cáncer, la inmunidad, las vacunas, el envejecimiento y la medicina regenerativa. Epistora afirma que cuenta con aproximadamente una década de investigación sobre IA y robótica, incluido el trabajo para optimizar las condiciones que permiten convertir células madre pluripotentes inducidas en células del epitelio pigmentario de la retina. Estas células dan soporte a la retina.
Kurohashi señaló que las expectativas sobre este tipo de instalaciones han pasado de situar su llegada alrededor de 2050 a 2040 y luego a aproximadamente 2030, a medida que avanza la IA y la robótica. Se trata de una estimación que evoluciona, no de una garantía de que una instalación plenamente autónoma vaya a estar operativa antes de que termine el período de financiación de ARiSE, en marzo de 2029.
La teoría científica se incorpora a la IA
La categoría Internacional e Interdisciplinaria adopta un enfoque distinto para mejorar la IA científica. El enfoque de Ueda incorpora la teoría científica a las estructuras, representaciones y principios de aprendizaje de los modelos, en lugar de utilizarla únicamente como una regla que limita un modelo convencional.
Entre los conocimientos pertinentes figuran la simetría, la invariancia, la causalidad, las condiciones de contorno y las leyes de escala. En términos sencillos, estos conceptos describen las relaciones que deberían mantenerse cuando cambia un sistema, cómo se vinculan las causas con los resultados y las condiciones en las que se aplica un modelo científico. Se busca que incorporar estos conocimientos a la IA mejore su razonamiento cuando hay pocos datos o las condiciones difieren de las encontradas durante el entrenamiento.
Uno de los proyectos seleccionados combina física matemática e IA para generar hipótesis científicas y comprobar su validez mediante teorías matemáticas y físicas. Su objetivo es reducir la distancia entre formular una afirmación plausible y establecer si es correcta. La verificación autónoma es un objetivo de investigación, no una capacidad ya demostrada por el programa.
Otro proyecto se centra en las estructuras metalorgánicas (MOF, por sus siglas en inglés), materiales porosos estudiados para usos como la adsorción y la separación de gases. Sus propiedades pueden variar según las condiciones de síntesis y experimentación. El proyecto combina representaciones científicas cambiantes, razonamiento contrafactual y comentarios de los investigadores para analizar cómo modificar una condición podría cambiar un resultado.
El razonamiento contrafactual pregunta qué ocurriría bajo una condición distinta, en lugar de limitarse a identificar patrones en observaciones existentes. Los investigadores evaluarán las hipótesis y el razonamiento, y luego incorporarán esas valoraciones a la IA. Por tanto, este proyecto mantiene la participación directa de las personas, aunque el proyecto de la instalación sin personal busque una autonomía operativa mucho mayor.
La investigación sobre el cáncer va más allá del reconocimiento de patrones
Un proyecto independiente sobre el cáncer combinará la estructura de los tejidos, la forma de las células, la expresión génica y las interacciones entre células cancerosas, células inmunitarias y otras células del entorno. El objetivo es crear modelos que razonen sobre los mecanismos de la enfermedad, en lugar de limitarse a reconocer características asociadas al cáncer.
El trabajo conecta dos niveles de observación. A partir de la organización de un tejido, el modelo inferiría cómo se comportan las células individuales. A partir de esos comportamientos, predeciría cómo cambia el estado del tejido. Examinar tanto el espacio como el tiempo podría ayudar a los investigadores a estudiar cómo se desarrolla el cáncer en su entorno biológico.
Entre las aplicaciones previstas están descubrir los mecanismos de la enfermedad, predecir el pronóstico y explorar tratamientos. Se trata de resultados de investigación propuestos. La selección para ARiSE no demuestra la eficacia clínica ni significa que haya herramientas de diagnóstico o tratamiento listas para los pacientes.
El acceso a la capacidad informática y el intercambio de recursos definirán la ejecución
ARiSE exige que las propuestas incluyan planes de uso de capacidad informática, porque entrenar y ejecutar modelos puede consumir una parte sustancial de la financiación de la investigación. La JST se propone combinar los recursos de universidades, instituciones públicas de investigación, empresas y RIKEN, y permitir el uso de servicios informáticos comerciales en el extranjero cuando corresponda.
Las fuentes discrepan sobre el nombre de la supercomputadora de IA de RIKEN que se está considerando: una la identifica como RIKEN, mientras que el informe de la sesión informativa de octubre la llama 理究. Ambas coinciden en que se prevé utilizar capacidad informática nacional junto con otros recursos. No se ha especificado la asignación definitiva de capacidad informática para cada proyecto.
El programa también busca distribuir modelos, agentes, herramientas y métodos de evaluación de utilidad general más allá de los equipos seleccionados. La JST prevé conectar los proyectos con SINET, la red académica del NII, y la infraestructura de datos de investigación NII RDC. Se espera que estos vínculos faciliten el acceso a los resultados para investigadores de todo Japón y promuevan el intercambio entre los proyectos de materiales, ciencias de la vida e instalaciones.
Compartir no significa publicar todo. Los datos o resultados que requieran protección por motivos de competencia o seguridad podrán mantenerse confidenciales. Los requisitos de seguridad de la investigación se aplican desde la selección, mientras que el proyecto de genómica también tiene responsabilidades específicas de bioseguridad y seguridad del modelo.
Se prevé que los responsables de los programas revisen los avances y apoyen los ajustes, incluida la ampliación de las tareas de investigación, la incorporación de socios internacionales y la celebración de eventos conjuntos. Esta flexibilidad responde al riesgo de que un plan fijado en 2026 quede desactualizado para 2029. La información disponible no especifica las fechas de inicio de cada contrato, los importes definitivos de las subvenciones, las asignaciones de capacidad informática ni un calendario detallado para la publicación de modelos.
La prueba principal será determinar si los proyectos pueden conectar los recursos científicos de Japón con sistemas de IA funcionales, experimentos reproducibles y recursos que otros investigadores puedan utilizar efectivamente. ARiSE marca ese rumbo, pero sus descubrimientos prometidos, sus capacidades autónomas y sus plataformas compartidas aún deben desarrollarse y demostrarse.
Puntos clave
- ARiSE cuenta con 32.000 millones de yenes para el período aproximado de octubre de 2026 a marzo de 2029.
- La JST seleccionó 31 proyectos entre 203 propuestas, una tasa de selección de aproximadamente el 15,3%.
- La categoría de Objetivos Estratégicos tiene 12 proyectos; la categoría Internacional e Interdisciplinaria, 19.
- Entre los principales proyectos figuran una plataforma de IA para materiales, un modelo genómico de aproximadamente 4.000 millones de parámetros y una instalación de investigación sin personal.
- La investigación seleccionada también abarca la física matemática, las estructuras metalorgánicas, los mecanismos del cáncer y un Modelo Mundial de Tsunamis.
- La capacidad informática nacional y la infraestructura de investigación compartida son prioritarias, aunque se permiten recursos extranjeros cuando corresponda.
- Las fechas de inicio de cada proyecto dependerán de los contratos y los preparativos; las instalaciones autónomas y las aplicaciones científicas siguen siendo objetivos de desarrollo.
