Imprimir en 3D a bajo costo usando plástico convencional reciclado en casa
La impresión en 3D, o fabricar objetos simples imprimiéndolos, sigue avanzando, pese a que no muchos años atrás era un concepto exclusivo de la ciencia-ficción.
Ahora que ya se comercializan impresoras 3D a precios razonables, y que ya hay empresas y particulares que de modo habitual fabrican objetos mediante impresión 3D, Joshua Pearce, de la Universidad Tecnológica de Michigan (Michigan Tech) en Estados Unidos, trabaja para abaratar el coste de una de las principales materias primas usadas como "tintas", el plástico.
Para Pearce, profesor de ciencia e ingeniería de los materiales, así como de ingeniería electrónica y de la computación, la impresión en 3D ya es algo cotidiano. Él utiliza diseños de código abierto para impresión 3D a fin de ahorrar miles de dólares al fabricar así multitud de cosas, que van desde su equipamiento de laboratorio hasta piezas para enseres domésticos de su hogar.
Usando software gratuito descargado desde sitios como Thingiverse, el cual ahora alberga ya más de 54.000 diseños de código abierto, las impresoras 3D crean todo tipo de objetos mediante la estrategia de depositar capas delgadas de plástico siguiendo un patrón específico. Aunque las impresoras de gama alta pueden costar muchos miles de dólares, las unidades más simples cuestan entre 250 y 500 dólares, y se las puede usar para fabricar piezas destinadas a otras impresoras 3D, reduciendo aún más el costo.
Un impedimento para que tengan un uso aún más generalizado ha sido el costo del filamento empleado a modo de tinta. Aunque resulta mucho más barato que la mayoría de los productos ya fabricados, el filamento de plástico que las impresoras 3D transforman en objetos útiles no es gratis.
![[Img #12856]](http://noticiasdelaciencia.com/upload/img/periodico/img_12856.jpg "El grupo de Joshua Pearce limpia botellas grandes de plástico, les saca las etiquetas y las tritura, antes de convertirlas en filamentos de plástico para las impresoras 3D. (Foto: Michigan Tech)")
El grupo de Joshua Pearce limpia botellas grandes de plástico, les saca las etiquetas y las tritura, antes de convertirlas en filamentos de plástico para las impresoras 3D. (Foto: Michigan Tech)
Así que Pearce y su grupo de investigación decidieron crear su propia unidad de reciclaje. Ellos sacan las etiquetas a las botellas, las lavan y las trituran. Luego hacen pasar el material resultante a través de un dispositivo de fabricación casera que lo derrite y extrude (extrudir es dar forma a una masa plástica o de otro material haciéndola salir por una abertura especialmente dispuesta) para formar un hilo de plástico largo, parecido a un espagueti. El proceso usado por estos científicos es de código abierto y está disponible gratuitamente para cualquiera en Thingiverse.com.
El proceso no es perfecto. Las botellas grandes (o garrafas) para leche con las que trabaja el equipo de Pearce están hechas de polietileno de alta densidad, que no es ideal para la impresión 3D. Pero las desventajas no son insuperables, y el grupo de Pearce ha obtenido buenos resultados mediante adaptaciones hechas con equipamiento improvisado a partir de aparatos comunes y baratos, como una mininevera para refrescos o un popular humidificador en forma de osito. Pearce está convencido de que con más experimentación, los resultados serían aún mejores. "La impresión 3D está en donde estaban los ordenadores en la década de 1970", compara Pearce.
Veinte botellas grandes de las usadas para leche proporcionan alrededor de 1 kilogramo de filamento de plástico, que actualmente cuesta entre 30 y 50 dólares comprado vía internet.
Memorresistores, ¿sinapsis artificiales para una computadora capaz de pensar como un cerebro viviente?
Los científicos llevan mucho tiempo soñando con construir una supercomputadora que funcione como un cerebro. Ello se debe a que un cerebro puede aprender por sí mismo, no necesita programación alguna, y consume una cantidad de energía muy inferior a la gastada por un ordenador.
Andy Thomas, de la Facultad de Física de la Universidad de Bielefeld, en Alemania, está experimentando con memorresistores. Estos son microcomponentes electrónicos que imitan a los nervios naturales. Thomas y sus colegas construyeron un año atrás un memorresistor capaz de aprender, en relación a las características de un impulso eléctrico. Thomas ahora está usando sus memorresistores como componentes clave del diseño de un cerebro artificial.
Los memorresistores están hechos de capas de materiales con un grosor nanométrico y pueden ser utilizados para conectar circuitos eléctricos. Al memorresistor se le considera cada vez más como el mejor equivalente electrónico de una sinapsis. Las sinapsis son, por así decirlo, los cables que conectan a unas neuronas con otras. Cuanto más se usa una conexión, más se fortalece.
Al igual que las sinapsis, los memorresistores aprenden a partir de impulsos anteriores. En su caso, estas señales son impulsos eléctricos que (todavía) no provienen de células nerviosas, sino de los circuitos eléctricos a los que están conectados. La cantidad de corriente que un memorresistor permite pasar depende de cuán fuerte fue la corriente que circuló anteriormente a través de él y de cuánto tiempo estuvo expuesto a ella.
![[Img #12797]](http://noticiasdelaciencia.com/upload/img/periodico/img_12797.jpg "Un nanocomponente que es capaz de aprender: El memorresistor de la Universidad de Bielefeld, integrado en un chip, es 600 veces más delgado que un cabello humano. (Foto: Universidad de Bielefeld)")
Debido a su similitud con las sinapsis, los memorresistores son especialmente adecuados para la construcción de un cerebro artificial, una computadora con la misma arquitectura lógica de un cerebro viviente, lo que abriría una nueva y fascinante era en la computación y acaso volvería confusa la frontera entre la psique de un ser viviente y el pensamiento artificial.
En el aspecto práctico, un cerebro artificial sería una supercomputadora capaz de aprender sola.
Basándose en sus propios experimentos y en resultados de otras investigaciones en el campo de la biología y en el de la física, Thomas ha confeccionado un sumario de los principios tomados de la naturaleza que conviene transferir a sistemas tecnológicos para lograr que sea funcional esa computadora neuromórfica. (Se le llama neuromórfico a un ordenador hipotético que posea una arquitectura como la neuronal de un cerebro.) Uno de los requerimientos principales es que los memorresistores, al igual que las sinapsis, tienen que "recordar" impulsos anteriores. Otra propiedad destacada es que las neuronas reaccionan a un impulso sólo cuando éste supera cierto umbral.
Gracias a estas y otras características, es factible usar las sinapsis artificiales para reconstruir el proceso cerebral responsable del aprendizaje, en opinión de Thomas. Él expone como ejemplo el experimento psicológico clásico con el perro de Pavlov. Este experimento muestra cómo una reacción natural determinada se puede asociar con un estímulo que inicialmente es neutral pero que al presentarse siempre acompañado del estímulo que provoca la reacción, también acaba provocándola por sí solo; éste es el mecanismo que permite el aprendizaje. Si el perro ve comida, reacciona produciendo saliva. Si el perro escucha sonar una campana cada vez que ve comida, llegará un día en que el perro también producirá saliva cuando oiga sonar la campana, aunque no tenga comida a la vista. El mecanismo que permite esta asociación se reduce en última instancia a conexiones sinápticas entre neuronas.
Un circuito para lograr algo parecido se puede fabricar con memorresistores, y ese es el primer paso hacia un procesador neuromórfico, en opinión de Thomas.
Él argumenta que todo esto es posible gracias a que un memorresistor puede almacenar información con mayor precisión que los bits en los que se han basado los procesadores convencionales. Tanto un memorresistor como un bit trabajan con impulsos eléctricos. Sin embargo, un bit no admite pequeños ajustes; sólo puede estar en "1" o en "0". En cambio, un memorresistor puede aumentar o disminuir su resistencia de forma continua. "Así es cómo los memorresistores aportan una base para el aprendizaje y el olvido graduales en un cerebro artificial", dictamina Thomas.
Andy Thomas, de la Facultad de Física de la Universidad de Bielefeld, en Alemania, está experimentando con memorresistores. Estos son microcomponentes electrónicos que imitan a los nervios naturales. Thomas y sus colegas construyeron un año atrás un memorresistor capaz de aprender, en relación a las características de un impulso eléctrico. Thomas ahora está usando sus memorresistores como componentes clave del diseño de un cerebro artificial.
Los memorresistores están hechos de capas de materiales con un grosor nanométrico y pueden ser utilizados para conectar circuitos eléctricos. Al memorresistor se le considera cada vez más como el mejor equivalente electrónico de una sinapsis. Las sinapsis son, por así decirlo, los cables que conectan a unas neuronas con otras. Cuanto más se usa una conexión, más se fortalece.
Al igual que las sinapsis, los memorresistores aprenden a partir de impulsos anteriores. En su caso, estas señales son impulsos eléctricos que (todavía) no provienen de células nerviosas, sino de los circuitos eléctricos a los que están conectados. La cantidad de corriente que un memorresistor permite pasar depende de cuán fuerte fue la corriente que circuló anteriormente a través de él y de cuánto tiempo estuvo expuesto a ella.
Un nanocomponente que es capaz de aprender: El memorresistor de la Universidad de Bielefeld, integrado en un chip, es 600 veces más delgado que un cabello humano. (Foto: Universidad de Bielefeld)
Debido a su similitud con las sinapsis, los memorresistores son especialmente adecuados para la construcción de un cerebro artificial, una computadora con la misma arquitectura lógica de un cerebro viviente, lo que abriría una nueva y fascinante era en la computación y acaso volvería confusa la frontera entre la psique de un ser viviente y el pensamiento artificial.
En el aspecto práctico, un cerebro artificial sería una supercomputadora capaz de aprender sola.
Basándose en sus propios experimentos y en resultados de otras investigaciones en el campo de la biología y en el de la física, Thomas ha confeccionado un sumario de los principios tomados de la naturaleza que conviene transferir a sistemas tecnológicos para lograr que sea funcional esa computadora neuromórfica. (Se le llama neuromórfico a un ordenador hipotético que posea una arquitectura como la neuronal de un cerebro.) Uno de los requerimientos principales es que los memorresistores, al igual que las sinapsis, tienen que "recordar" impulsos anteriores. Otra propiedad destacada es que las neuronas reaccionan a un impulso sólo cuando éste supera cierto umbral.
Gracias a estas y otras características, es factible usar las sinapsis artificiales para reconstruir el proceso cerebral responsable del aprendizaje, en opinión de Thomas. Él expone como ejemplo el experimento psicológico clásico con el perro de Pavlov. Este experimento muestra cómo una reacción natural determinada se puede asociar con un estímulo que inicialmente es neutral pero que al presentarse siempre acompañado del estímulo que provoca la reacción, también acaba provocándola por sí solo; éste es el mecanismo que permite el aprendizaje. Si el perro ve comida, reacciona produciendo saliva. Si el perro escucha sonar una campana cada vez que ve comida, llegará un día en que el perro también producirá saliva cuando oiga sonar la campana, aunque no tenga comida a la vista. El mecanismo que permite esta asociación se reduce en última instancia a conexiones sinápticas entre neuronas.
Un circuito para lograr algo parecido se puede fabricar con memorresistores, y ese es el primer paso hacia un procesador neuromórfico, en opinión de Thomas.
Él argumenta que todo esto es posible gracias a que un memorresistor puede almacenar información con mayor precisión que los bits en los que se han basado los procesadores convencionales. Tanto un memorresistor como un bit trabajan con impulsos eléctricos. Sin embargo, un bit no admite pequeños ajustes; sólo puede estar en "1" o en "0". En cambio, un memorresistor puede aumentar o disminuir su resistencia de forma continua. "Así es cómo los memorresistores aportan una base para el aprendizaje y el olvido graduales en un cerebro artificial", dictamina Thomas.
