Tecnología Brasil , Brasil, Miércoles, 19 de octubre de 2016 a las 11:10

Científicos "entrenan" nanotubos de carbono para realizar tareas computacionales

Mediante señales eléctricas, se reordenaron tubos microscópicos dispersos en cristal líquido para que operen como un nanocircuito

AGÊNCIA FAPESP/DICYT Una técnica computacional inspirada en la biología evolutiva hizo posible que nanotubos de carbono dispersos en cristal líquido se reordenasen mediante la aplicación de señales eléctricas, de manera tal que desempeñen el papel de un nanocircuito, para ejecutar tareas computacionales sencillas. Este experimento contó con la participación del físico brasileño Diogo Volpati y se dio a conocer en el artículo científico intitulado “Evolution of Electronic Circuits using Carbon Nanotube Composites”, que salió en Scientific Reports, una publicación del Grupo Springer Nature.

 

Volpati, quien actualmente es investigador de posdoctorado en la Mid Sweden University, en Suecia, participó en el estudio en el marco de su investigación intitulada “El control molecular en películas nanoestructuradas de nanotubos de carbono”, que cuenta con el apoyo de la FAPESP.

 

“En lugar de crear un circuito eléctrico paso por paso utilizando componentes discretos [capacitores, resistores, etc.], nosotros tomamos una cantidad de material y la ‘entrenamos’ para que desempeñase el papel del circuito y ejecutase la tarea computacional de separar conjuntos de datos. Este entrenamiento se concretó mediante el empleo de un algoritmo evolutivo, basado en conceptos de la biología”, declaró el investigador a Agência FAPESP.

 

En el experimento, los nanotubos se dispersaron sobre una matriz de cristal líquido. Una gota, de una magnitud de un microlitro, quedó pegada sobre un conjunto de electrodos que suministraron los inputs y outputs a la señal eléctrica. Sin esa señal, los nanotubos quedaron “desorientados”, es decir que se posicionaron en el medio de manera aleatoria. Con la aplicación de la señal, se reposicionaron moviéndose en el cristal líquido de acuerdo con las líneas de fuerza del campo eléctrico. Los investigadores probaron distintas concentraciones de nanotubos en la matriz de cristal líquido.

 

La figura publicada en esta página, una reproducción de la que se publicó en Scientific Reports, muestra esquemáticamente el experimento. El área gris corresponde a la gota de cristal líquido que contiene nanotubos, dispuesta sobre los electrodos (las líneas y los puntos amarillos). En el detalle del pequeño círculo, limitado por la circunferencia en línea de trazos rojos, los distintos electrodos se conectan únicamente a través de la red de nanotubos. Inicialmente, la falta de señal eléctrica deja a los nanotubos (los segmentos negros) desorientados. Las flechas en rojo apuntan hacia los electrodos que suministraron los estímulos eléctricos de entrenamiento. Los electrodos de las puntas son los encargados de realizar la tarea computacional, generada por el realineamiento de los nanotubos mediante la aplicación de los estímulos eléctricos de entrenamiento.

 

“Básicamente, el experimento consistió en modificar las características morfológicas y las propiedades eléctricas del material [el compuesto de nanotubos de carbono con cristal líquido] mediante el empleo de señales eléctricas. El objetivo de esta alteración fue ‘entrenar’ al material para que ejecute una tarea computacional dentro de la red de electrodos”, resumió Volpati.

 

La tarea computacional realizada –la separación de dos conjuntos de datos– es sumamente sencilla. Pero el objetivo del experimento no era la realización de una tarea compleja sino mostrar la prueba de principio de que podía “entrenarse” al material.

 

Para “entrenar” al material, las señales eléctricas destinadas a reordenar los nanotubos se aplicaron de acuerdo con un algoritmo evolutivo. “Teníamos datos mezclados pertenecientes a dos tipo distintos. Y le ‘solicitamos’ al material que los separase. Cada vez que el error en la separación aparecía en forma grande, promovíamos la ‘evolución’ del material al hacer pasar nuevamente la señal eléctrica entre diferentes electrodos. Y este proceso de entrenamiento y realización de la tarea se repitió varias veces, hasta que los errores se redujesen al mínimo aceptable”, detalló Volpati.

 

Tal como afirmó el investigador, no se espera que este abordaje computacional compita con las computadoras actuales, a base de silicio. Pero sí podrían fabricarse en breve dispositivos de baja potencia y bajo costo, destinados al procesamiento de señales analógicas, por ejemplo. A largo plazo, las posibilidades son inimaginables. Esta investigación definió todo un nuevo campo de estudios por explorarse.

 

“Nuestro abordaje demostró que una pequeña cantidad de material puede sustituir a un complejo circuito eléctrico. Basta con ‘entrenar’ al material a los efectos de que ejecute la tarea deseada. Así como un organismo biológico evoluciona y ejecuta tareas, demostramos que un material no biológico también puede evolucionar”, conjeturó el investigador.