> ## Content Index > Fetch the complete content index at: https://fomoera.com/llms.txt > Use this file to discover other available public pages before exploring further. # Albert Invent capta 55 millones de dólares para ampliar su IA química - URL: https://fomoera.com/albert-invent-serie-b-ia-quimica/ - Published: 2026-10-14T01:40:00.000Z - Updated: 2026-10-14T01:40:00.000Z - Description: La ronda liderada por TCV financiará la expansión de Albert Invent. Sus modelos buscan antecedentes químicos y proponen experimentos, dos tareas con medidas de rendimiento distintas. - Author: Gerardo Pavez - Tags: Tecnología y Ciencia, IA Albert Invent anunció el 13 de octubre de 2026 una ronda de **55 millones de dólares** en Serie B, liderada por TCV, para ampliar su inteligencia artificial aplicada a la química. La empresa busca ayudar a los laboratorios industriales a aprovechar sus datos y seleccionar nuevas fórmulas para probar. El comunicado de la compañía confirma la participación de Coatue, J.P. Morgan Growth Equity Partners e Index Ventures, entre otros inversionistas nuevos y existentes. [Forbes](https://www.forbes.com/sites/the-prompt/2026/10/13/30-of-scientific-experiments-are-wasteful-this-startup-wants-to-use-ai-to-change-that/?ref=fomoera.com) sitúa la valoración de Albert Invent en unos **340 millones de dólares**, según una persona familiarizada con la operación. Esa cifra procede de la reportería del medio; el anuncio de financiación no publica una valoración. ## Buscar antecedentes y predecir fórmulas son tareas distintas Nick Talken, CEO y cofundador, dijo a Forbes que alrededor del 30 % de los experimentos científicos son duplicados y desperdician recursos. Es una estimación del empresario. Su argumento es que registrar ensayos en cuadernos y hojas de cálculo dificulta recuperar lo aprendido, incluidos los resultados fallidos. La documentación de Albert distingue dos funciones dentro de su oferta. **Valence** es un modelo de recuperación de información, diseñado para encontrar conocimiento químico en los datos del equipo. **Breakthrough** utiliza modelos de machine learning para simular fórmulas candidatas y ordenarlas por la probabilidad de alcanzar los objetivos establecidos. La empresa también describe herramientas de predicción de propiedades entrenadas con más de **15 millones de estructuras moleculares**. Forbes reportó, por su parte, que Albert ha entrenado modelos con datos químicos públicos, incluidas patentes. La cifra de estructuras pertenece a la descripción de la predicción molecular, no a una medida de precisión de Valence. La diferencia tiene una consecuencia práctica. Encontrar un ensayo anterior ayuda a recuperar lo que un laboratorio ya sabe; proponer una fórmula nueva orienta la siguiente prueba. Son pasos distintos del trabajo de investigación, aunque ambos puedan utilizar IA y datos químicos. ## Qué mide la ventaja anunciada de Valence Albert afirma que Valence alcanza una precisión 45 veces mayor que modelos generalistas al recuperar respuestas a consultas científicas. Presentó esa comparación junto con **FormBench**, un banco de pruebas para evaluar la recuperación de información sobre formulaciones químicas. La ficha pública de FormBench en Hugging Face describe un corpus de aproximadamente un millón de fragmentos de texto y 55,347 consultas, construido a partir de unas 590,000 patentes estadounidenses de formulaciones. La tarea consiste en encontrar pasajes pertinentes dentro de esa colección, que abarca materiales como adhesivos, recubrimientos y polímeros. Su metodología incorpora preguntas generadas con IA. Las puntuaciones de pertinencia se derivan de una clasificación temática de las patentes, en lugar de evaluaciones humanas de cada respuesta. La ficha también señala que el material está en inglés y excluye documentos de patentes en otros idiomas. Por el diseño descrito, la comparación evalúa la selección de información documental. No demuestra que los experimentos sean 45 veces más rápidos o exitosos: esas serían medidas diferentes, que requerirían resultados de laboratorio. Este alcance importa al interpretar la promesa de reducir los tiempos de desarrollo de productos. La aplicación industrial ya tiene un ejemplo concreto. Según Forbes, 2,000 científicos de AkzoNobel utilizan Albert para analizar trabajos anteriores y apoyarse en IA al decidir qué fórmulas probar después, conectando el historial experimental con el desarrollo de nuevos productos. *Fuentes:* [1](https://www.businesswire.com/news/home/20261013059321/en/Albert-Raises-%2455M-Series-B-to-Scale-the-First-Chemistry-Native-AI?ref=fomoera.com), [2](https://www.albertinvent.com/models?ref=fomoera.com), [3](https://huggingface.co/datasets/vinven7/FormBench?ref=fomoera.com), [4](https://www.forbes.com/sites/the-prompt/2026/10/13/30-of-scientific-experiments-are-wasteful-this-startup-wants-to-use-ai-to-change-that/?ref=fomoera.com)