Resumen (TL;DR):
- Investigadores de la Universidad de Cambridge crearon un dispositivo nanoelectrónico que procesa y almacena datos en el mismo lugar.
- Las pruebas de laboratorio lograron corrientes de conmutación un millón de veces menores que los sistemas convencionales de óxido.
- Este avance elimina la pérdida de energía por transferencia de datos, reduciendo drásticamente el gasto eléctrico del hardware.
Investigadores de la Universidad de Cambridge desarrollaron un dispositivo nanoelectrónico capaz de recortar hasta en un 70% la energía que consume el hardware de inteligencia artificial. El hallazgo, publicado el 20 de marzo en la revista Science Advances, busca resolver el mayor cuello de botella logístico de esta tecnología.
Un memristor es un componente de hardware que imita la forma en que las neuronas se conectan dentro del cerebro humano. A diferencia de los chips de computadora convencionales que desperdician energía moviendo datos entre unidades de memoria y de procesamiento separadas, este dispositivo almacena y procesa información en el mismo sitio.
El equipo, dirigido por el Dr. Babak Bakhit del Departamento de Ciencia de Materiales y Metalurgia, construyó el sistema utilizando una forma modificada de óxido de hafnio. Al agregar estroncio y titanio en un proceso de crecimiento de película de dos pasos, crearon puertas electrónicas que cambian de resistencia suavemente, evitando el comportamiento inestable de los clásicos filamentos conductores.
Esta arquitectura genera corrientes de conmutación un millón de veces más bajas que los dispositivos tradicionales. Las pruebas demostraron que resisten decenas de miles de ciclos y logran replicar reglas de aprendizaje biológico.
“Pasé casi tres años en esto”, declaró Bakhit. “Hubo una gran cantidad de fracasos. Pero a finales de noviembre, vimos los primeros resultados realmente buenos”.
Computación inspirada en el cerebro
La industria explora múltiples rutas para solucionar el alto consumo eléctrico de la IA. Algunos desarrollos paralelos incluyen:
- La Universidad de California en San Diego diseñó una plataforma neuromórfica que opera a 0.2 nanojoules por operación en tareas como el reconocimiento de dígitos hablados.
- La Universidad de Tufts presentó un enfoque de IA neuro-simbólica que utilizaría 100 veces menos energía que los sistemas actuales, mejorando la precisión.
Por ahora, el memristor de Cambridge —cuya solicitud de patente ya fue ingresada por Cambridge Enterprise— enfrenta un reto para escalar a nivel comercial. Su fabricación exige temperaturas cercanas a los 700°C, una cifra superior a lo que permite la manufactura estándar de semiconductores.
“Si podemos reducir la temperatura y poner estos dispositivos en un chip, sería un gran paso adelante”, concluyó Bakhit.
Fuentes: techxplore, eurekalert, science, nature
