El cerebro humano funciona enteramente mediante reacciones químicas y, aun así, se le considera el ordenador más potente del mundo. El proyecto europeo CORENET comprobó si un principio parecido puede aprovecharse en el laboratorio: redes de reacciones químicas en reactores microfluídicos procesaron datos y la inteligencia artificial leyó en ellas las respuestas. Es un campo en el que la química, la informática y el análisis de datos se sientan a la misma mesa, y al final puedes comprobar si esta forma de trabajar encaja contigo.
Cuando pensamos en ordenadores, solemos imaginar procesadores, cables y pantallas. El material publicado por CORDIS empieza con otra comparación: el ordenador más potente del mundo es el cerebro humano, y funciona enteramente mediante reacciones químicas. De ahí surge la pregunta que se plantearon los investigadores del proyecto europeo CORENET: ¿puede la química servir de modelo para un tipo de computación completamente nuevo?
El proyecto, financiado con fondos europeos a través del Consejo Europeo de Innovación, está construyendo dispositivos de computación inspirados en el cerebro. En ellos, la información se procesa mediante redes de reacciones químicas, conocidas como CRN por sus siglas en inglés. Las moléculas se convierten en portadoras de datos, y sus transformaciones, en la forma de procesarlos. Este trabajo forma parte de una iniciativa de proyectos financiados por la UE para impulsar el aprendizaje automático.
Wilhelm Huck, profesor y responsable del equipo CORENET en la Universidad de Radboud, en los Países Bajos, explica la idea así: «Nos inspiramos en el cerebro humano, que en sí mismo es un procesador químico. Por eso nos propusimos demostrar que las redes de reacción dinámicas, contenidas en entornos microfluídicos, pueden realizar tareas computacionales de alto nivel».
La técnica que utilizaron los científicos se llama computación de reservorio. El equipo la implementó en chips microfluídicos, es decir, en diminutos reactores por los que circulan sustancias químicas. El punto de partida es una capa de entrada química compuesta por:
Juntos, estos elementos forman el reservorio. Las reacciones parten de moléculas sencillas de uno o dos átomos de carbono y después expanden el espacio químico, hasta generar docenas de compuestos estructuralmente más complejos.
Lo esencial es que el resultado de las reacciones no es casual. Las condiciones de entrada se correlacionan con la composición de los productos, de modo que distintos ajustes al principio dan un patrón distinto de moléculas al final. Esa respuesta química puede analizarse después.
Aquí entran en juego la inteligencia artificial y el aprendizaje automático. Los algoritmos extraen información significativa de la respuesta química. En la práctica, las reacciones realizan parte del trabajo de cálculo y las herramientas de IA ayudan a interpretar lo que significa.
Un resultado fundamental fue el desarrollo y la automatización de flujos de trabajo de computación de reservorio químico. Las entradas químicas que fluían a través de reactores microfluídicos producían salidas no lineales, que se analizaban e interpretaban para resolver tareas de clasificación y predicción, problemas conocidos para cualquiera que haya trabajado con aprendizaje automático.
Los investigadores también establecieron protocolos para controlar, monitorizar y dirigir estas redes de reacción. Según el material, se trata de un paso importante hacia la computación escalable basada en moléculas.
Los resultados se describieron en un artículo trascendental publicado en «Nature» con el título «Computación de reservorio químico en una red de reacción autoorganizada». En él se mostró cómo las reacciones de la formosa y sistemas relacionados pueden actuar como sustratos de computación molecular. Se está ultimando un trabajo de seguimiento que debe demostrar que el concepto puede generalizarse, con un modelo de reservorio en funcionamiento basado en una red de reacción nueva.
CORENET muestra cómo se difuminan las fronteras entre las carreras. Andrés de la Escosura, coordinador del proyecto y profesor asociado de la Universidad Autónoma de Madrid, subraya que el éxito fue posible gracias a la colaboración de muchas especialidades: «Nos entusiasmó el éxito del método y cómo nuestro extraordinario grupo de científicos académicos e industriales se unió para afrontar este gran reto de combinar la química de sistemas, la microfluídica, la metabolómica y la IA».
Para quien está eligiendo carrera o especialización, hay varias conclusiones. Una química que entiende el análisis de datos puede acabar en un equipo que trabaja en el futuro de la computación. Un informático o un especialista en aprendizaje automático puede encontrar tareas interesantes allí donde los datos no salen de una pantalla, sino de un microrreactor. También merece la pena fijarse en que científicos académicos e industriales trabajaron juntos, así que este tipo de investigación no se queda entre los muros de la universidad.
Si observamos en qué trabajó el equipo, en estos proyectos se cruzan a diario varias áreas de conocimiento: la química de reacciones y la catálisis, la microfluídica, el análisis de la composición de mezclas y el aprendizaje automático. Nadie tiene que dominarlas todas a la vez, pero es más fácil encontrar tu lugar en un equipo así si entiendes el lenguaje de las disciplinas vecinas.
CORENET es un intento de construir dispositivos de computación en los que las reacciones químicas procesan la información, siguiendo el ejemplo del cerebro humano. Los investigadores demostraron que las redes de reacción en reactores microfluídicos producen respuestas que la inteligencia artificial puede convertir en soluciones a tareas de clasificación y predicción. Para un trabajo así hacen falta personas de distintos campos, desde la química de sistemas hasta la IA.
Este artículo se basa en material publicado por el servicio CORDIS de la Comisión Europea.
5 preguntas · un minuto
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文