Julie Grollier estudió ingeniería en la Escuela Superior de Electricidad y en la Escuela Normal Superior de París-Saclay. En 2003 defendió su tesis doctoral Current-induced magnetization switching (Transiciones en la magnetización inducidas por corriente) bajo la dirección del Prof. Albert Fert (premio Nobel de Física en 2007). A partir de este momento realizó una primera estancia postdoctoral en la Universidad de Groninga (Holanda) y posteriormente en el Instituto de Electrónica Fundamental de Orsay (Francia). Finalmente, en 2005 se unió al CNRS en París en el seno de su instituto actual: la Unidad de Física Mixta CNRS/Thales.
Científicamente, la carrera de Julie Grollier en la academia está llena de resultados prolíficos y punteros en distintos campos de la física. Inicialmente, durante su tesis doctoral, Julie se centró en el estudio de la unión túnel magnética: este fenómeno ocurre cuando dos materiales magnéticos se ponen en contacto a través de una capa muy fina de material aislante entre ellos. En este tipo de estructura, la resistencia al paso de corriente varía en función de su estado magnético y a este proceso se le conoce como magnetorresistencia. En esta etapa de su carrera, Julie focalizó su estudio en como una corriente eléctrica perpendicular es capaz de producir una precesión del momento magnético en una unión túnel, fenómeno que se conoce como ‘spin torque’. Actualmente, este efecto es utilizado en la escritura y lectura de muchos de los discos duros actuales. Pero pese a los múltiples avances que estamos viviendo en el campo de la computación, existen problemas que aun no sabemos resolver.
Desde hace pocos años, la aparición de nuevas necesidades y el desarrollo de nuevas ideas para el reconocimiento de patrones, la clasificación de ‘big data’ y la inteligencia artificial, han puesto en jaque a la tecnología de semiconductores, reinante desde el florecimiento de la revolución computacional. Esta tecnología, pese a su consolidación, ha sido puesta en duda por su dificultad para procesar una enorme cantidad de información en un tiempo limitado. Esta restricción se debe fundamentalmente a que en la arquitectura clásica de computadores, existe una separación física entre la unidad de procesamiento (unidad aritmético-lógica) y el espacio de almacenamiento de información (memoria electrónica). Este largo (en términos ‘nano’) camino tiene que ser recorrido infinidad de veces por los electrones de la corriente cada vez que se procesan los datos, dando lugar al llamado ‘cuello de botella de von Neumann’. Esto supone que, tanto en términos de velocidad de procesamiento, como en consumo energético, basar la computación moderna en transistores de materiales semiconductores conlleva un impedimento evidente al progreso de la ciencia y el desarrollo de nuevas tecnologías que requiere el procesamiento de miles de millones de datos.
La mejor alternativa propuesta a estos materiales ha sido reproducir el comportamiento del dispositivo más eficiente en el tratamiento de datos que se conoce: el cerebro humano. Esta forma de computación inspirada en la naturaleza se denomina computación neuromórfica puesto que pretende imitar y establecer análogos artificiales de las neuronas y sinapsis de nuestro sistema nervioso. Para hacer esto realidad, se han planteado distintas aproximaciones físicas, siendo las redes neuronales basadas en hardware, la implementación experimental más factible de esta idea teórica. Para ello, es necesario contar con un componente electrónico con unas propiedades físicas muy particulares: el memristor. Los memristores, son elementos electrónicos cuya resistencia es variable con el voltaje que previamente se ha aplicado sobre ellos, es decir, resistencias variables, con memoria.
Gracias a su profundo conocimiento de los materiales magnéticos y, tras su estabilización en el CNRS, Julie buscó una nueva aplicación para el spin torque. La respuesta fue hallada en el campo de la computación neuromórfica, simulando el comportamiento físico de las neuronas. Su propuesta consistía en crear pequeñas uniones túnel (del tamaño de pocos nanómetros) que pudieran cambiar su resistencia aplicando una corriente eléctrica y que a la vez pudieran interaccionar con sus análogas vecinas mediante el campo electromagnético que genera la precesión de su momento magnético. El éxito de esta propuesta fue casi inmediato, en 2010 obtuvo una ERC Starting Grant con su proyecto Nanobrain que le permitió crear estas neuronas artificiales explotando su habilidad como memristores electrónicos. A raíz de este proyecto, Julie Grollier pasó a ser directora científica de un grupo de investigación en París, Francia, y el objetivo de su estudio es la obtención de neuronas artificiales mediante el uso de materiales magnéticos.
El éxito de esta propuesta fue tal, que en 2016 obtuvo de nuevo una subvención ERC en este caso de categoría ‘Consolidator’ con su proyecto BioSpinSpired donde pretende ahondar aun más en el estudio de la cognición mediante el uso de nanodispositivos para la computación inspirada por las estructuras biológicas. Adicionalmente, Julie es la coordinadora y responsable de la red de investigación francesa GDR BioComp, cuyo objetivo es, una vez más, obtener hardware adecuado para mimetizar neuronas y su comportamiento.
Además de su amplia experiencia liderando proyectos tanto nacionales como internacionales, Julie es, desde 2015, miembro de la APS (Sociedad Americana de Física).
Su investigación ha demostrado ser innovadora y de una gran actualidad, y esto le permitió recibir en 2010 el premio ‘Jacques Herbrand’ en física de la Academia de Ciencias de Francia y recientemente la medalla de plata del CNRS (2018), lo cual premió una vez más su magnífica trayectoria científica. Julie, además de una científica de éxito, es una divulgadora de excelencia participando, además de en muchas conferencias internacionales, en charlas para el publico general como esta TEDx de 2018.
Sobre el autor
Salvador Cardona Serra es doctor en nanociencia y nanotecnología y trabaja como investigador en el Instituto de Ciencia Molecular de la Universitat de València. Su interés científico comprende desde el estudio de nuevos materiales moleculares hasta la computación neuromórfica.