Hay titulares que corren más que la ciencia que cuentan, y este es uno de ellos. Estos días ha circulado que una inteligencia artificial de Google «destruyó» en unas horas una conjetura de fusión nuclear de casi seis décadas. Lo que ha pasado es más interesante y bastante más matizado. Un equipo de cuatro investigadores ha publicado en arXiv nuevas soluciones matemáticas para las ecuaciones que describen el plasma dentro de ciertos reactores de fusión. Para encontrarlas usaron agentes basados en el modelo Gemini 4 Argon. La conjetura en cuestión, sin embargo, ya se había refutado unas semanas antes en otro trabajo.

Qué dice la conjetura de Grad

En 1967, el físico Harold Grad planteó una duda sobre los equilibrios del plasma. Un plasma es un gas tan caliente que sus átomos han perdido los electrones, y en un reactor de fusión hay que mantenerlo atrapado con campos magnéticos. La pregunta de fondo es si existen configuraciones tridimensionales estables, en las que el plasma y el campo magnético que lo rodea queden en equilibrio con una presión que varía, sin que el conjunto tenga alguna simetría especial. Grad sospechaba que, en la práctica, hacía falta esa simetría.

Esto afecta sobre todo a los stellarators. Son dispositivos de fusión que confinan el plasma con campos magnéticos retorcidos en tres dimensiones, a diferencia de los tokamaks, que tienen forma de dónut más regular. Su geometría es enrevesada a propósito, así que saber qué equilibrios son matemáticamente posibles tiene consecuencias directas sobre cómo se diseñan.

Según recoge Genbeta, en septiembre de 2026 dos trabajos aportaron contraejemplos a la conjetura. Uno, firmado por Gómez-Serrano, Liehr y Taylor, presentaba soluciones sin las simetrías de reflexión que la conjetura daba por necesarias e incluía una verificación formal con el asistente de demostraciones Lean. El otro, de Matt Landreman, proponía dos familias de soluciones analíticas que, aun así, conservaban la llamada simetría de stellarator: la configuración no cambia si se gira media vuelta alrededor de un eje.

Cómo intervino la IA

El nuevo artículo, titulado Analytic non-axisymmetric 3D MHD equilibria without stellarator symmetry, lo firman Opal Issan, Jonathan Citrin, Matt Landreman y Brendan Tracey. Su objetivo era quitar esa última simetría. Para conseguirlo, añadieron a cada una de las dos familias de Landreman un parámetro que la rompe. Cuando ese parámetro vale cero, se recuperan las soluciones originales. Cuando toma otros valores, aparecen equilibrios tridimensionales nuevos sin simetría de stellarator.

Según Genbeta, los autores pusieron a trabajar un pequeño equipo de agentes de IA dentro de un entorno de desarrollo de Google. Les dieron el trabajo previo de Landreman y sus preguntas abiertas. Los primeros candidatos prometedores salieron en cuestión de horas. Los agentes también ayudaron a redactar partes del manuscrito y a programar comprobaciones simbólicas y numéricas.

La parte humana pesó, y mucho:

• Los investigadores supervisaron todo el proceso y lo sometieron a varias rondas de revisión adversarial.
• Reescribieron el manuscrito y volvieron a derivar a mano cada desarrollo matemático.
• Comprobaron simbólicamente cada resultado y asumieron la responsabilidad de lo publicado.

La propia Genbeta lo resume en una frase: «los investigadores volvieron a derivar y comprobar simbólicamente cada desarrollo».

La letra pequeña

Conviene separar lo que hizo cada trabajo. La refutación de la conjetura de Grad no es mérito de este artículo, sino de los publicados en septiembre. De hecho, Genbeta señala que Landreman obtuvo sus soluciones de partida con ayuda de otro modelo de IA, de una empresa distinta, y que luego las revisó a mano. Este nuevo paso generaliza aquellas soluciones y las hace menos simétricas. Es un avance real, pero incremental.

Tampoco hay, de momento, una verificación formal en Lean de estas nuevas soluciones. Las comprobaciones con código simbólico y numérico son sólidas, pero no son una demostración certificada por máquina. Además, el texto está en arXiv, el repositorio de preprints, así que aún no ha pasado revisión por pares en una revista. Y nada de esto acerca la electricidad de fusión a nuestros enchufes de forma inmediata.

¿Para qué sirve, entonces? Los autores lo plantean como algo muy práctico. Las soluciones analíticas exactas funcionan como «respuestas de referencia» para probar los programas que calculan equilibrios magnéticos en stellarators. Si un simulador reproduce bien un caso cuya respuesta se conoce con exactitud, hay más motivos para fiarse de él en los casos que nadie sabe resolver con lápiz y papel. Cuantas menos simetrías tengan esos casos de prueba, más exigente es el examen.

Por qué importa

Esta historia enseña cómo se está colando la IA en la investigación de verdad, lejos del titular épico. No sustituye a los físicos. Acelera la búsqueda de candidatos y el trabajo mecánico, mientras que las personas siguen comprobando, corrigiendo y firmando el resultado. Para la fusión, el beneficio es concreto aunque discreto: mejores bancos de prueba para el software con el que se diseñan los reactores. Y para el lector, la lección es mirar quién refutó qué antes de creerse que una máquina ha resuelto en una tarde un problema de 59 años.