Los modelos generativos aplicados al descubrimiento de materiales cristalinos han evolucionado significativamente en los últimos años, permitiendo explorar estructuras periódicas tridimensionales con alta eficiencia. Sin embargo, muchos sistemas de interés práctico —como los superconductores bidimensionales, las películas delgadas semiconductoras o las superficies catalíticas— presentan una periodicidad reducida: son diperiódicos, es decir, mantienen simetría solo en dos direcciones y son aperiódicos en la tercera. Estas estructuras se rigen por grupos de capas (layer groups), cuyas simetrías influyen directamente en propiedades como la conductividad o la reactividad, pero que hasta ahora no eran consideradas por los generadores de cristales convencionales. En este contexto surge SLayerGen, un modelo generativo que unifica el tratamiento de simetrías tanto de grupos espaciales como de grupos de capas, ofreciendo un marco más amplio y preciso para el diseño de materiales. Este tipo de avances demuestra cómo la inteligencia artificial puede abordar problemas complejos de la ciencia de materiales, y las empresas que buscan liderar en innovación pueden beneficiarse de soluciones a medida en este campo. Por ejemplo, en Q2BSTUDIO desarrollamos soluciones de inteligencia artificial para empresas que integran modelos avanzados, adaptándolos a necesidades específicas de investigación y desarrollo industrial. La correcta implementación de estos sistemas requiere además plataformas robustas en la nube; por ello ofrecemos servicios cloud AWS y Azure que garantizan escalabilidad y seguridad en el procesamiento de datos masivos. Asimismo, la ciberseguridad se vuelve crucial al manejar información sensible de propiedad intelectual, un aspecto que cubrimos con auditorías y pentesting especializados. Para completar el ecosistema de decisión, incorporamos servicios de inteligencia de negocio como Power BI, permitiendo visualizar resultados y monitorizar el rendimiento de los modelos. La generación de nuevos materiales con simetrías específicas abre puertas a aplicaciones en energía, electrónica y catálisis, y desde Q2BSTUDIO acompañamos a las organizaciones en todo el ciclo: desde el diseño conceptual con agentes IA hasta el desarrollo de aplicaciones a medida que automatizan procesos de simulación y validación. SLayerGen representa un paso adelante en la modelización de sistemas diperiódicos, y su enfoque puede inspirar herramientas similares en otros dominios donde la simetría y la periodicidad parcial sean relevantes, reafirmando el potencial de la IA como motor de descubrimiento científico.