Un equipo de investigadores de la Universidad de Cambridge ha desarrollado un dispositivo innovador que imita la física del cerebro humano, logrando reducir el consumo energético de la inteligencia artificial (IA) en un 70%. Este avance propone una reestructuración radical en la arquitectura de los chips, con el objetivo de enfrentar el creciente problema de sostenibilidad en el ámbito de la IA.
El consumo masivo de electricidad por parte de los centros de datos es un desafío que la arquitectura informática tradicional no ha sabido abordar. Esta ineficiencia se atribuye en gran medida al cuello de botella de Von Neumann, que obliga a la información a desplazarse constantemente entre el procesador y la memoria. La computación neuromórfica, inspirada en la biología, se presenta como una solución necesaria.
La investigación publicada en la revista Science Advances y liderada por Babak Bakhit ha introducido un nuevo tipo de memristor hecho de óxido de hafnio. Este componente permite procesar y almacenar datos en el mismo soporte físico, lo que representa un avance significativo en la eficiencia energética. La propuesta se basa en la capacidad del cerebro humano, donde neuronas y sinapsis realizan funciones simultáneamente con un gasto mínimo de energía.
Para entender la ineficiencia de los ordenadores actuales, es esencial observar cómo se transfieren los datos. En un chip convencional, la información necesita viajar entre el procesador y la memoria, un proceso que consume considerablemente tiempo y energía. En contraste, los memristores desarrollados en Cambridge utilizan un sistema de «desorden ordenado» que estabiliza el flujo de datos, mejorando la precisión en un millón de veces en comparación con modelos anteriores.
La clave de esta tecnología radica en la estructura de películas delgadas de óxido de hafnio dopado con estroncio y titanio, que permite que el dispositivo ajuste su conductancia mediante pulsos eléctricos. Esto facilita el almacenamiento en múltiples niveles, en lugar del sistema binario tradicional, y cumple con las reglas de plasticidad dependiente del tiempo de disparo (STDP), lo que permite al hardware aprender de manera similar a las conexiones neuronales.
A pesar del potencial de ahorro energético, es preciso tener en cuenta ciertos desafíos. Actualmente, la fabricación del nuevo material requiere temperaturas de aproximadamente 700°C, lo que aún necesita optimización para su integración en procesos industriales de fábricas de semiconductores. Así, esta tecnología no alcanzará el mercado de consumo de inmediato, sino que sienta las bases para la computación de la próxima década.
Este hallazgo no solo se centra en el dispositivo individual, sino que también demuestra que es posible construir hardware de IA que emule la física del cerebro utilizando materiales ya conocidos en el sector microelectrónico. Este avance podría impulsar una nueva generación de dispositivos capaces de procesar información de manera local, desde sensores inteligentes hasta sistemas de conducción autónoma, con una huella de carbono notablemente menor.
La conclusión es clara: la solución a la crisis energética de la IA no radica en construir centros de datos más grandes, sino en replantear la materia de la que están constituidos nuestros procesadores. Aceptar que el futuro de la informática es neuromórfico es reconocer la elegancia de la arquitectura biológica, un recordatorio de que el mejor modelo para procesar información sigue siendo el cerebro humano.
