Publicada

Las claves
nuevo Generado con IA

La inteligencia artificial avanza a un ritmo descomunal, pero arrastra un problema cada vez menos secundario: su apetito energético. Entrenar modelos, mover datos y sostener centros de procesamiento exige una cantidad creciente de electricidad que ya preocupa tanto a la industria como a los reguladores.

En ese contexto, un equipo liderado por la Universidad de Cambridge ha presentado una tecnología que apunta justo al corazón del problema. Su propuesta no pasa por exprimir un poco más los chips actuales, sino por cambiar la lógica del hardware y acercarla al cerebro humano.

Los investigadores han desarrollado un nuevo dispositivo nanoelectrónico basado en óxido de hafnio, un material ya conocido en microelectrónica, pero modificado aquí para comportarse como un memristor de muy bajo consumo. Es decir, un componente capaz de almacenar y procesar información en el mismo lugar.

Ese detalle, que puede sonar técnico, es el que marca la diferencia. En la informática convencional, los datos viajan constantemente entre memoria y procesador, un ir y venir continuo que dispara el gasto eléctrico. El cerebro, en cambio, trabaja de forma mucho más integrada y eficiente.

La llamada computación neuromórfica intenta replicar precisamente esa lógica biológica. Según Cambridge, un sistema de este tipo podría reducir hasta en un 70% la energía usada por cierto hardware de IA, una cifra especialmente llamativa en plena escalada del consumo digital mundial.

Camino a la fabricación industrial

No es una cuestión menor. La Agencia Internacional de la Energía prevé que el consumo eléctrico de los centros de datos se duplique hasta rondar los 945 teravatios hora en 2030, con la IA como principal motor de ese salto. La eficiencia ya no es solo un bonus.

Uno de los puntos más interesantes del estudio, publicado en Science Advances, es que este memristor no funciona como muchos de sus predecesores. En lugar de depender de diminutos filamentos conductores, que suelen comportarse de manera imprevisible, utiliza una arquitectura más estable basada en interfaces electrónicas internas.

Para conseguirlo, el equipo añadió estroncio y titanio al óxido de hafnio y fabricó la película en dos etapas. Así logró formar pequeñas uniones p-n en el interior del material, capaces de modificar la resistencia del dispositivo de forma suave y mucho más uniforme.

El resultado, siempre en condiciones de laboratorio, es notable. Los investigadores aseguran haber alcanzado corrientes de conmutación alrededor de un millón de veces más bajas que las de algunos dispositivos convencionales basados en óxidos, además de cientos de niveles de conductancia estables.

Eso importa porque este tipo de comportamiento se acerca más al modo en que aprenden las conexiones neuronales. El dispositivo, de hecho, reprodujo reglas fundamentales de aprendizaje observadas en biología, como la plasticidad dependiente del tiempo entre impulsos, clave para ajustar la fuerza de las conexiones.

Babak Bakhit, autor principal del trabajo, sostiene que estas propiedades son las que permitirían desarrollar un hardware capaz de aprender y adaptarse, no solo de guardar información. Pero también reconoce que aún queda una barrera importante antes de hablar de integración industrial real.

El gran escollo está en la fabricación. Hoy el proceso requiere temperaturas cercanas a 700 grados Celsius, por encima de lo que suele tolerar la manufactura estándar de semiconductores. Aunque el equipo ya trabaja en rebajar ese umbral para volver la tecnología compatible con chips comerciales.