¿Recuerda los primeros días, cuando la impresión 3D se estaba convirtiendo en algo habitual?
«¡Es como un replicador de Star Trek!» ellos dijeron. “¡Todos pueden hacer cualquier cosa! ¡Es como una fábrica en tu casa! ”.
Una década de novedades plásticas de mierda más tarde, y la impresión de escritorio finalmente comenzó a trepar hasta la meseta de la productividad. En términos de ciencia ficción, falló.
Pero, ¿qué pasaría si pudieras reorganizar la materia, no a nivel atómico desde el aire (como los replicadores de conversión de materia-energía de Star Trek), sino a nivel molecular? Eso suena un poco más a un replicador, ¿verdad?
Aparentemente, un equipo de investigadores ha dado un pequeño paso más hacia la realización de esa promesa de ciencia ficción y ha publicado un documento que detalla los esfuerzos para crear una impresora 3D molecular.
El equipo de Forschungszentrum Jülich, en Alemania, ha desarrollado un sistema robótico que puede recoger y colocar moléculas y formar geometrías a nanoescala, como un conjunto nanoLego.
Sin embargo, a diferencia de Lego, que presenta un sistema de acoplamiento uniforme que permite que cualquier ladrillo se acople con cualquier otro ladrillo, los átomos y las moléculas se comportan de manera diferente. No se puede simplemente colocar una molécula en la molécula de otra sustancia. Simplemente se caerá. El enlace molecular es una ciencia exacta y cada molécula tiene reglas diferentes para aparearse con otras moléculas diferentes. Ahí es donde entra en juego la IA.
Si este concepto pudiera transferirse a la nanoescala para permitir que las moléculas individuales se unan o se separen específicamente de nuevo como los ladrillos LEGO, las posibilidades serían casi infinitas, dado que hay alrededor de 1060 tipos de moléculas concebibles. Dr. Christian Wagner, jefe del grupo de trabajo de manipulación molecular en el forschungszentrum.
La «impresora» utiliza un microscopio de barrido de efecto túnel para mover las moléculas a su lugar de forma muy similar a un cabezal de impresión. Sin embargo, a escalas más grandes es fácil especificar en el espacio 3D dónde debe depositarse un filamento. A nanoescala, este no es el caso, hay demasiada variabilidad en esa escala para calcular simplemente la ubicación de donde debería ir la molécula. Aquí es donde la IA ayuda.
«Hasta la fecha, este movimiento dirigido de moléculas solo ha sido posible a mano, mediante prueba y error», dijo el profesor Dr. Stefan Tautz, director del instituto de nanociencia cuántica de Jülich. «Pero con la ayuda de un sistema de control de software autónomo y de autoaprendizaje, ahora hemos logrado por primera vez encontrar una solución para esta diversidad y variabilidad en la nanoescala, y en la automatización de este proceso».
Microscopio de barrido de túnel del grupo de investigación del Dr. Christian Wagner (PGI-3) en Forschungszentrum Jülich. Crédito de la imagen: Forschungszentrum Jülich / Christian Wagner
La solución aparentemente se encuentra en el dominio del aprendizaje automático, y específicamente en el subdominio del aprendizaje por refuerzo. Con esta metodología, el software recompensa los movimientos exitosos y penaliza los incorrectos.
“En nuestro caso, al agente [del software] se le asignó la tarea de eliminar moléculas individuales de una capa en la que están retenidas por una compleja red de enlaces químicos”, dijo Wagner.
«Para ser precisos, se trataba de moléculas de perileno, como las que se utilizan en colorantes y diodos emisores de luz orgánicos».
En este uso, el software es recompensado por mover las moléculas sin romper el enlace entre la molécula en cuestión y la punta del microscopio. Si se rompe el vínculo, se penaliza. Y así, después de un tiempo, el software ha desarrollado patrones de movimiento únicos que permiten el movimiento de moléculas sin romper los enlaces.
“Hasta ahora, esto solo ha sido una ‘prueba de principio’”, dijo Tautz.
“Sin embargo, estamos seguros de que nuestro trabajo allanará el camino para la construcción automatizada asistida por robot de estructuras supramoleculares funcionales, como transistores moleculares, células de memoria o qubits, con una velocidad, precisión y confiabilidad muy por encima de lo que es actualmente posible «.
