Portugués 
Inglés 
Español 
7 min de lectura 
0 comentarios 
Estudio de la Universidad de Ámsterdam presenta metamateriales entrenables que memorizan formas, ajustan respuestas mecánicas y ejecutan movimientos en laboratorio, en una investigación que acerca la ciencia de los materiales, la robótica flexible y el aprendizaje físico.
Investigadores de la Universidad de Ámsterdam han desarrollado metamateriales capaces de aprender cambios de forma, memorizar respuestas mecánicas y ejecutar funciones como agarrar objetos y desplazarse en un entorno experimental.
El estudio fue publicado el 7 de abril de 2026 en la revista Nature Physics y describe estructuras sintéticas en forma de cadena, compuestas por bisagras motorizadas, que ajustan su propio comportamiento sin depender de un comando central único.
La investigación no afirma que el material esté vivo.
-
China evacuó áreas bajo secreto de Estado, borró aldeas enteras del mapa e hizo desaparecer pueblos, mientras imágenes de satélite revelaban en su lugar gigantescas estructuras nucleares erigidas en silencio que preocupan al mundo entero.
-
Arqueólogos se sorprendieron al encontrar la momia mejor conservada de la historia: una mujer de 2.000 años, con piel suave, articulaciones móviles, órganos preservados y sangre tipo A.
-
Alerta por lluvias y tormentas eléctricas: inestabilidad intensa marca la transición entre el 28/4 y el 1/5, con lluvia casi diaria y alta humedad, mientras que el Sur enfrenta temporales, mínimas de 6 °C, riesgo de heladas y volúmenes de hasta 80 mm.
-
La tarde más fría del año ya tiene fecha marcada y podría desplomarse a una máxima de 18°C este martes con lluvia persistente y sensación de invierno fuera de temporada en Curitiba.
La aproximación con sistemas biológicos surge porque los organismos simples y los tejidos vivos pueden adaptarse a estímulos, mientras que los materiales fabricados por el ser humano, en general, tienen respuestas previamente definidas.
Según los autores del artículo, el experimento muestra una estructura artificial capaz de modificar su respuesta física después de pasar por un entrenamiento.
El prototipo descrito por el equipo tiene un formato similar al de una cadena flexible.
Cada unidad está conectada a la siguiente por una bisagra motorizada, integrada a un microcontrolador.
Este componente mide el ángulo de rotación, registra movimientos anteriores e intercambia información con las unidades vecinas.
Con base en estos datos, las bisagras pueden aplicar torque y alterar la rigidez y la posición preferencial, lo que permite al conjunto adoptar nuevas configuraciones.
El punto central del trabajo es el llamado aprendizaje físico.
En lugar de entrenar un software externo para comandar todas las piezas, los investigadores hicieron que el propio material actualizara parámetros internos.
De esta forma, parte del procesamiento ocurre en la estructura mecánica, a través de las interacciones entre sensores, motores, memoria local y conexiones entre las unidades.
Cómo el metamaterial aprende a cambiar de forma
El entrenamiento ocurre por ejemplos.
Primero, los investigadores imponen una deformación de entrada en una o más bisagras.
Luego, conducen las demás partes de la cadena hasta la configuración deseada y mantienen temporalmente esa forma.
Al repetir el proceso, los microcontroladores ajustan comandos locales hasta que el sistema comienza a reproducir la respuesta esperada cuando recibe el mismo estímulo.
El método utilizado en el estudio se describe como aprendizaje contrastivo.
En la práctica, el material compara dos estados: uno en el que responde libremente al estímulo y otro en el que es llevado a la forma objetivo.
La diferencia entre estas dos situaciones orienta los ajustes internos.
Con los ciclos de entrenamiento, llamados épocas por los autores, la cadena reduce el error y comienza a alcanzar la configuración enseñada dentro de las condiciones del experimento.
La demostración va más allá de una memoria mecánica simple.
Según la publicación, los metamateriales pueden olvidar formas antiguas, aprender nuevas respuestas en secuencia y almacenar más de un cambio de forma al mismo tiempo.
En videos suplementarios del artículo, los autores muestran estructuras entrenadas para formar letras y palabras, como “LEARN”, en inglés, y “LEREN”, en holandés.
La autonomía descrita en el estudio también es distribuida.
No hay un controlador central responsable de definir cada movimiento de la cadena.
Cada bisagra actúa con base en sus propias mediciones, en la memoria local y en la información recibida de las vecinas.
Así, el comportamiento final surge de la interacción entre las partes, y no de una orden única enviada desde fuera.
Por qué los investigadores hablan de evolución del material
La palabra “evolução”, utilizada por el equipo, aparece en el contexto del aprendizaje del sistema.
El material no evoluciona como un organismo vivo ni pasa por selección natural.
El término se refiere al cambio progresivo del comportamiento durante el entrenamiento, conforme los parámetros internos son actualizados.
Yao Du, estudiante de doctorado en el Machine Materials Lab de la Universidad de Ámsterdam y primer autor del artículo, dijo en un comunicado de la institución que el aprendizaje da a los metamateriales la capacidad de evolucionar.
En la misma declaración, afirmó que las posibilidades sobre “dónde puede llegar el sistema” parecen “casi ilimitadas”.
La declaración expresa la evaluación del investigador sobre el alcance de la plataforma experimental.
Desde el punto de vista fáctico, el estudio presenta materiales adaptativos entrenables, y no una forma de vida artificial.
La diferencia con los materiales convencionales radica en la capacidad de alterar su propia respuesta después de ejemplos repetidos, en lugar de simplemente ejecutar un comportamiento fijado en el momento del diseño.
Este tipo de aprendizaje permitió al equipo investigar respuestas más complejas, como cambios no recíprocos y múltiples estados de estabilidad.
En términos prácticos, esto significa que el camino seguido por el material puede influir en el resultado y que la estructura puede alternar entre más de una configuración estable.
A partir de este comportamiento, los autores demostraron funciones como agarrar objetos por reflejo y realizar locomoción sobre una superficie.
El movimiento descrito en el estudio ocurre con bisagras motorizadas y actuación controlada.
Por lo tanto, no se trata de desplazamiento sin energía o de acción espontánea fuera de las condiciones de laboratorio.
El resultado señalado por los autores radica en la conversión del aprendizaje de forma en función mecánica, una característica que acerca el experimento a investigaciones en robótica flexible y materiales adaptativos.
Metamateriales entrenables y robótica flexible
Los metamateriales son estructuras diseñadas para presentar propiedades determinadas principalmente por la arquitectura interna, y no solo por la composición química.
Esta área reúne investigaciones sobre materiales capaces de manipular ondas, absorber impactos, alterar la rigidez o responder a estímulos mecánicos de maneras específicas.
El trabajo de la Universidad de Ámsterdam integra una línea enfocada en materiales capaces de aprender.
Según la propia institución, investigaciones anteriores del Machine Materials Lab ya habían mostrado objetos sin control central que podían rodar, arrastrarse o moverse por terrenos impredecibles.
En aquel caso, sin embargo, los materiales no aprendían ni memorizaban nuevos comportamientos.
El cambio presentado ahora radica en la incorporación de memoria y entrenamiento al material.
Mientras que un material tradicional responde a fuerzas externas según sus propiedades físicas, y un robot suele depender de control electrónico programado, el prototipo descrito en el artículo ocupa una posición intermedia.
La estructura fue construida para que la forma, la memoria y la respuesta mecánica actúen de manera integrada.
Este enfoque puede contribuir a investigaciones en robots blandos, dispositivos reconfigurables y sistemas mecánicos distribuidos.
Las aplicaciones citadas por los autores permanecen en el campo científico y experimental, sin indicación de uso comercial inmediato.
Por ello, cualquier proyección para sectores como medicina, aeroespacial, construcción civil o defensa exige cautela y no puede ser tratada como una aplicación ya comprobada para este prototipo específico.
Lo que la tecnología aún necesita probar fuera del laboratorio
Los próximos pasos señalados por el equipo implican comportamientos dependientes del tiempo, y no solo cambios a formas estáticas.
Según la Universidad de Ámsterdam, los investigadores pretenden investigar metamateriales capaces de aprender diferentes modos de locomoción, como arrastrarse o rodar, en respuesta a estímulos ambientales.
Otro frente mencionado por el grupo implica escenarios estocásticos, en los cuales el aprendizaje ocurre en medio de ruido e incertidumbre.
En esos casos, según el equipo, el sistema se adaptaría de forma probabilística, y no determinística.
El objetivo declarado es aumentar la robustez y la flexibilidad en entornos complejos, donde los estímulos no siempre se presentan de manera predecible.
Aún no hay, en el artículo o en el comunicado institucional, indicación de un producto listo para usar fuera del laboratorio.
Para que la tecnología avance en este sentido, sería necesario demostrar funcionamiento a escala, durabilidad, eficiencia energética, seguridad y rendimiento en condiciones menos controladas.
Estos puntos no aparecen como resultados ya resueltos en el estudio publicado.
La investigación, por ahora, muestra una plataforma experimental para investigar materiales que procesan información física a través de su propia estructura.
En lugar de concentrar todo el control en un ordenador externo, la cadena utiliza deformaciones, pares y interacciones locales para ajustar su comportamiento.
¡Sé la primera persona en reaccionar!