Un equipo de la Universidad de Cambridge desarrolló un nuevo dispositivo nanoelectrónico inspirado en el cerebro humano que podría recortar de forma importante el consumo energético de la inteligencia artificial. El avance se apoya en una arquitectura neuromórfica, es decir, en un sistema que busca imitar la manera en que el cerebro procesa y almacena información al mismo tiempo, en lugar de separar ambas tareas como ocurre en los chips convencionales.
La investigación fue publicada en la revista Science Advances y plantea una ruta distinta frente a uno de los mayores desafíos actuales de la IA: el enorme gasto eléctrico asociado a centros de datos, entrenamiento de modelos y procesamiento de información a gran escala. De acuerdo con la explicación difundida por la propia Universidad de Cambridge, este nuevo enfoque podría reducir hasta en un 70% el consumo de energía del hardware especializado en inteligencia artificial.
Qué desarrolló el equipo de Cambridge
El grupo encabezado por Babak Bakhit creó una nueva variante de memristor, un componente electrónico diseñado para recordar el paso de carga eléctrica y comportarse de manera similar a una sinapsis. En este caso, el dispositivo fue fabricado a partir de una forma de óxido de hafnio, un material ya conocido en la industria microelectrónica, pero modificado para ofrecer mayor estabilidad y menor consumo energético.
- El dispositivo está pensado para computación neuromórfica.
- Utiliza una base de óxido de hafnio.
- Busca procesar y almacenar información en el mismo soporte físico.
- El objetivo es reducir el gasto eléctrico del hardware de IA.
Por qué los chips actuales consumen tanta energía
La nota explica que buena parte del problema energético de la inteligencia artificial proviene del llamado cuello de botella de Von Neumann. En la arquitectura informática tradicional, los datos deben viajar constantemente entre la memoria y el procesador, un proceso que demanda tiempo, genera calor y multiplica el uso de electricidad.
El cerebro, en cambio, no separa de forma rígida el almacenamiento y el procesamiento. Sus neuronas y sinapsis trabajan de manera integrada, con un gasto energético mucho menor. Esa diferencia es la que inspira esta nueva generación de hardware, que intenta acercarse a la eficiencia biológica mediante materiales y estructuras distintas a las de los chips convencionales.
La clave técnica: un memristor más estable
Uno de los principales problemas de los memristores desarrollados hasta ahora era su inestabilidad. Muchos dependían de filamentos metálicos que se formaban y rompían de manera irregular, lo que afectaba la uniformidad del dispositivo. El equipo de Cambridge buscó resolver ese punto creando una película delgada de hafnio modificada con estroncio y titanio, capaz de formar pequeñas uniones electrónicas internas o p-n junctions.
Gracias a esa configuración, el dispositivo puede ajustar su resistencia de manera más suave y estable, en lugar de hacerlo a través de cambios bruscos. Según la información difundida, este mecanismo permite un comportamiento mucho más uniforme entre ciclos y entre dispositivos, con corrientes muy bajas y con la posibilidad de operar en múltiples estados, algo valioso para sistemas que buscan aprender de forma similar a una red neuronal.
Qué impacto podría tener en la inteligencia artificial
Si esta tecnología logra escalarse, el impacto podría ir más allá de los centros de datos. El desarrollo abre la posibilidad de construir dispositivos capaces de procesar información de forma local con menor huella energética, desde sensores inteligentes hasta sistemas autónomos y hardware especializado en tareas de inteligencia artificial.
En términos de industria, el avance también resulta relevante porque no parte de un material exótico o completamente ajeno a la microelectrónica, sino de una adaptación más sofisticada de componentes ya conocidos. Eso podría facilitar, en el mediano plazo, su integración en nuevas arquitecturas de hardware si los retos de fabricación logran resolverse.
El reto que todavía frena su llegada al mercado
Aunque el resultado ha despertado interés por su potencial energético, la propia Universidad de Cambridge reconoce que todavía no se trata de una tecnología lista para consumo inmediato. El principal obstáculo es el proceso de fabricación actual, que requiere temperaturas cercanas a los 700 °C, un nivel que aún no encaja de forma óptima con los estándares industriales habituales de manufactura de semiconductores.
Por ello, más que una solución comercial inmediata, el hallazgo se perfila como uno de los cimientos de la computación de la próxima década. El valor del avance no está solo en el dispositivo aislado, sino en demostrar que es posible diseñar hardware de inteligencia artificial inspirado en la física del cerebro y con una eficiencia muy superior a la de los esquemas actuales.
