Representación conceptual de un aparato de cocina digital que cuenta con docenas de ingredientes y un láser de cocina preciso para ensamblar y cocinar comidas usando recetas digitales. Crédito:Jonathan Blutinger/Columbia Engineering
Los ingenieros de Columbia inventan láseres robóticos controlados por software que cocinan los alimentos con una precisión sin igual, retienen más humedad y crean una forma completamente nueva y personalizada de cocinar una comida sabrosa.
Imagina tener tu propio chef personal digital; listo para cocinar lo que quieras; capaz de adaptar la forma, la textura y el sabor solo para usted; y todo con solo presionar un botón. Los ingenieros de Columbia han estado trabajando para hacer precisamente eso, utilizando láseres para cocinar y tecnología de impresión 3D para ensamblar alimentos.
Bajo la dirección del profesor de ingeniería mecánica Hod Lipson, el equipo de "Alimentos digitales" de su laboratorio de máquinas creativas ha estado construyendo un chef personal digital totalmente autónomo. El grupo de Lipson ha estado desarrollando alimentos impresos en 3D desde 2007. Desde entonces, la impresión de alimentos ha progresado a impresiones de múltiples ingredientes y ha sido explorada por investigadores y algunas empresas comerciales.
“Observamos que, si bien las impresoras pueden producir ingredientes con una precisión milimétrica, no existe un método de calentamiento con este mismo grado de resolución”, dijo Jonathan Blutinger, PhD en el laboratorio de Lipson que dirigió el proyecto. "Cocinar es esencial para el desarrollo de la nutrición, el sabor y la textura de muchos alimentos, y nos preguntamos si podríamos desarrollar un método con láser para controlar con precisión estos atributos".
Pollo siendo cocinado por un láser azul. La luz está siendo dirigida por dos galvanómetros de espejo controlados por software. Crédito:Jonathan Blutinger/Columbia Engineering
En un nuevo estudio publicado por npj Science of Food , el equipo exploró varias modalidades de cocción exponiendo luz azul (445 nm) y luz infrarroja (980 nm y 10,6 µm) al pollo, que utilizaron como modelo de sistema alimentario. Imprimieron muestras de pollo (3 mm de grosor por ~1 pulgada de área) como banco de pruebas y evaluaron una variedad de parámetros que incluyen la profundidad de cocción, el desarrollo del color, la retención de humedad y las diferencias de sabor entre la carne cocida con láser y la cocida al horno. Descubrieron que la carne cocinada con láser se encoge un 50 % menos, retiene el doble del contenido de humedad y muestra un desarrollo de sabor similar al de la carne cocinada convencionalmente.
"De hecho, nuestros dos degustadores ciegos prefirieron la carne cocinada con láser a las muestras cocinadas de forma convencional, lo que es prometedor para esta tecnología floreciente", dijo Blutinger.
Si bien Lipson y Blutinger están entusiasmados con las posibilidades de esta nueva tecnología, cuyos componentes de hardware y software son bastante de baja tecnología, señalan que aún no existe un ecosistema sostenible que lo respalde. Lipson afirma que “lo que todavía no tenemos es lo que llamamos 'CAD de alimentos', una especie de Photoshop de los alimentos. Necesitamos un software de alto nivel que permita a las personas que no son programadores o desarrolladores de software diseñar los alimentos que desean. Y luego necesitamos un lugar donde la gente pueda compartir recetas digitales, como compartimos música”.
Aún así, dice Blutinger, "la comida es algo con lo que todos interactuamos y personalizamos a diario; parece natural infundir software en nuestra cocina para hacer que la creación de comidas sea más personalizable".
Referencia:"Cocción de precisión para alimentos impresos a través de láseres de longitud de onda múltiple" por Jonathan David Blutinger, Alissa Tsai, Erika Storvick, Gabriel Seymour, Elise Liu, Noà Samarelli, Shravan Karthik, Yorán Meijers y Hod Lipson, 1 de septiembre de 2021, npj Science de comida .
DOI:10.1038/s41538-021-00107-1
Los autores son:Jonathan Blutinger, Alissa Tsai, Erika Storvick, Gabriel Seymour, Elise Liu, Noà Samarelli, Shravan Karthik, Yorán Meijers y Hod Lipson, Departamentos de Ingeniería Mecánica y Ciencias de la Computación, Ingeniería de Columbia.
Este trabajo fue financiado en parte por el programa de financiamiento SEAS Interdisciplinario Research Seed (SIRS) de la Universidad de Columbia y por el NSF NRI Award #1925157.
