Vea También
 |
| Impresión artística de una tela de araña artificial sondeada con luz láser. Crédito: Optics lab TU Delft |
Un equipo de investigadores de la Universidad Técnica de Delft ha conseguido diseñar uno de los microchips sensores más precisos del mundo. El dispositivo puede funcionar a temperatura ambiente, un "santo grial" para las tecnologías cuánticas y la detección. Combinando la nanotecnología y el aprendizaje automático inspirado en las telas de araña de la naturaleza, lograron hacer vibrar un sensor nanomecánico en condiciones de aislamiento extremo del ruido cotidiano. Este avance, publicado en la revista Advanced Materials Rising Stars Issue, tiene implicaciones para el estudio de la gravedad y la materia oscura, así como para los campos de internet, navegación y detección cuánticos.
Uno de los mayores retos a la hora de estudiar los objetos vibratorios a escala mínima, como los utilizados en los sensores o el hardware cuántico, es cómo evitar que el ruido térmico ambiental interactúe con sus frágiles estados. El hardware cuántico, por ejemplo, suele mantenerse a temperaturas cercanas al cero absoluto (-273,15 °C), y los refrigeradores cuestan medio millón de euros cada uno.
Los investigadores de la Universidad Técnica de Delft han creado un sensor de microchips con forma de red que resuena muy bien aislado del ruido de la temperatura ambiente. Entre otras aplicaciones, su descubrimiento hará mucho más asequible la construcción de dispositivos cuánticos.
¿Pero cómo se les ocurrió utilizar telas de araña como modelo?
Richard Norte: "Llevaba ya una década haciendo este trabajo cuando, durante un encierro, me fijé en un montón de telas de araña en mi terraza. Me di cuenta de que las telas de araña son muy buenos detectores de vibraciones, en el sentido de que quieren medir las vibraciones dentro de la telaraña para encontrar su presa, pero no fuera de ella, como el viento a través de un árbol. Así que, ¿por qué no hacer autostop en millones de años de evolución y utilizar una telaraña como modelo inicial para un dispositivo ultrasensible?"
Como el equipo no sabía nada sobre la complejidad de las telas de araña, dejó que el aprendizaje automático guiara el proceso de descubrimiento.
Miguel Bessa:
"Sabíamos que los experimentos y las simulaciones eran costosos y requerían mucho tiempo, así que con mi grupo decidimos utilizar un algoritmo llamado optimización bayesiana, para encontrar un buen diseño utilizando pocos intentos."
Dongil Shin, coprimer autor de este trabajo, implementó entonces el modelo informático y aplicó el algoritmo de aprendizaje automático para encontrar el nuevo diseño del dispositivo.
 |
| Inspirados en las telas de araña de la naturaleza y guiados por el aprendizaje automático, Richard Norte (izquierda) y Miguel Bessa (derecha) demuestran un nuevo tipo de sensor en el laboratorio. Crédito: Frank Auperlé |
Para sorpresa del investigador, el algoritmo propuso una telaraña relativamente sencilla de entre 150 diseños de telaraña diferentes, que consiste en sólo seis cadenas unidas de forma engañosamente simple.
El resultado fue espectacular: una vibración aislada récord a temperatura ambiente.
Norte: "No encontramos casi ninguna pérdida de energía fuera de nuestra telaraña de microchips: las vibraciones se mueven en círculo en el interior y no tocan el exterior. Esto es algo así como darle a alguien un único empujón en un columpio y que se balancee durante casi un siglo sin parar".
Con su sensor basado en una telaraña, los investigadores muestran cómo esta estrategia interdisciplinar abre una vía a nuevos avances en la ciencia, al combinar diseños bioinspirados, aprendizaje automático y nanotecnología. Este novedoso paradigma tiene interesantes implicaciones para el Internet cuántico, la detección, las tecnologías de microchips y la física fundamental, que explora, por ejemplo, fuerzas ultrapequeñas como la gravedad o la materia oscura, que son notoriamente difíciles de medir. Según los investigadores, el descubrimiento no habría sido posible sin la beca de cohesión de la universidad, que dio lugar a esta colaboración entre la nanotecnología y el aprendizaje automático.
Fuentes, créditos y referencias:
Dongil Shin et al, Spiderweb Nanomechanical Resonators via Bayesian Optimization: Inspired by Nature and Guided by Machine Learning, Advanced Materials (2021). DOI: 10.1002/adma.202106248