✨︎ Resumen (TL;DR):
- Ingenieros de Northwestern crearon dispositivos impresos que emiten señales eléctricas compatibles con el cerebro.
- El hardware funciona con tintas de disulfuro de molibdeno y grafeno, imitando el tiempo de los impulsos biológicos.
- Este desarrollo impulsa la creación de neuroprótesis y hardware para IA cinco órdenes de magnitud más eficiente.
Ingenieros de la Universidad Northwestern crearon neuronas artificiales impresas capaces de emitir señales eléctricas precisas para activar células cerebrales vivas. El estudio, publicado este miércoles en Nature Nanotechnology, define una nueva base técnica para el desarrollo de neuroprótesis y hardware de computación de bajo consumo.
El equipo fabricó los dispositivos mediante impresión por chorro de aerosol. Utilizaron tintas a nanoescala compuestas por disulfuro de molibdeno y grafeno sobre sustratos flexibles de polímero.
En lugar de eliminar el polímero estabilizador de la tinta —un proceso tradicionalmente considerado un obstáculo de fabricación— los investigadores lo descompusieron parcialmente. Esta decisión técnica generó filamentos conductores que producen picos eléctricos repentinos similares a los biológicos.
Durante los experimentos sobre cortes de cerebelo de ratón, las neuronas artificiales activaron de forma confiable las neuronas de Purkinje. El dispositivo no solo emitió pulsos simples, sino secuencias de ráfagas continuas, permitiendo codificar más información con menos componentes.
El reto energético de la Inteligencia Artificial
“El silicio logra la complejidad teniendo miles de millones de dispositivos idénticos”, explicó Mark C. Hersam, profesor de Ciencia e Ingeniería de Materiales en Northwestern, quien dirigió el estudio junto a Vinod K. Sangwan.
“El cerebro es lo opuesto. Es heterogéneo, dinámico y tridimensional. Para movernos en esa dirección, necesitamos nuevos materiales y nuevas formas de construir electrónica”, detalló Hersam.
La validación biológica se ejecutó con la neurobióloga Indira M. Raman. Las pruebas confirmaron que este diseño superó a las alternativas orgánicas previas que operaban con demasiada lentitud, y a las versiones de óxido metálico que disparaban demasiado rápido.
“Estamos dentro de un rango temporal que no se había demostrado antes para las neuronas artificiales”, indicó el líder de la investigación.
El impacto de este hardware trasciende la medicina y apunta directamente a la crisis de consumo del machine learning. El cerebro humano opera siendo cinco órdenes de magnitud más eficiente energéticamente que una computadora digital estándar.
“Para satisfacer las demandas de energía de la IA, las empresas tecnológicas están construyendo centros de datos de gigavatios impulsados por plantas de energía nuclear dedicadas”, advirtió Hersam. “Se mire por donde se mire, tenemos que idear un hardware más eficiente desde el punto de vista energético para la IA”.
