Sinapsis artificiales de laboratorio cambian en 26 nanosegundos

En pocos minutos, un chip fabricado por investigadores de Suzhou, en China, puede cambiar de estado en 26 nanosegundos y después disolverse en seis minutos. El chip es una matriz flexible de 100 sinapsis artificiales, las conexiones que permiten al cerebro almacenar y modificar lo que ha aprendido. Por ahora, existe solo en el laboratorio.

El cerebro funciona con una energía aproximada a la de una bombilla de nevera, en parte porque la memoria y el procesamiento ocurren en el mismo lugar. Los ordenadores convencionales separan ambas funciones. La inteligencia artificial, que necesita miles de millones de valores interconectados a la vez, obliga a los datos a viajar de un lado a otro, y ese tránsito consume energía y tiempo. Los ingenieros han intentado copiar la disposición del cerebro con dispositivos rígidos como los memristores, que suelen fabricarse con silicio, óxido de hafnio o dióxido de titanio, y se recubren con metales pesados como el platino o el tungsteno. Sus filamentos metálicos crecen por trayectorias impredecibles, de modo que no hay dos dispositivos de un mismo chip que se comporten exactamente igual, y sus materiales frágiles no se doblan con facilidad ni se adaptan al tejido vivo.

El dispositivo del equipo de Suzhou sustituye esos materiales por una estructura orgánica unida por enlaces de hidrógeno, denominada TCPP-HOF. Sus bloques de construcción son moléculas de porfirina, que se ensamblan en láminas planas apiladas a unos 0,35 nanómetros de distancia. Las cargas se desplazan por esta estructura ordenada con más facilidad que por una película orgánica desordenada. Un voltaje positivo atrapa electrones en la estructura y reduce la resistencia; un voltaje negativo los libera y vuelve a aumentarla. Ese vaivén es lo que permite al dispositivo imitar una sinapsis que se refuerza o se debilita con el tiempo. El equipo intercaló esta capa entre dos electrodos de MXene sobre un plástico flexible de poliimina, y depositó todo mediante métodos de recubrimiento líquido, en lugar del equipo de vacío en el que se apoya la fabricación convencional de chips. El resultado es una matriz de 10 x 10 capaz de mantener 10 niveles de conductancia diferenciados.

La cifra destacada, una precisión del 97,23 % en dígitos manuscritos, requiere una lectura precisa. Los investigadores alimentaron una red neuronal convolucional, entrenada con el conjunto de datos estándar MNIST, con las mediciones de su dispositivo, y la red alcanzó el 97,23 %, cerca del 99,24 % de la referencia por software. Pero esa red representa unas 120.000 sinapsis; la tarea no se ejecutó en las 100 unidades físicas. El resultado demuestra que el comportamiento medido del hardware es útil para el reconocimiento. Todavía no demuestra que un chip de 100 sinapsis realice el trabajo por sí solo.

¿Qué cambia, y para quién? Por ahora, la respuesta concierne a los equipos de investigación en electrónica flexible, robótica blanda y dispositivos médicos implantables, que necesitan componentes capaces de doblarse, adaptarse a superficies irregulares y descomponerse sin residuos tóxicos. Las fuentes no ofrecen calendario, coste de producción ni plan para una matriz mayor, y el informe no indica cómo terminó la prueba de flexión. El dispositivo es una demostración prometedora, no un producto. Su próxima prueba consiste en comprobar si estas propiedades se mantienen al pasar de una matriz a las grandes redes que usan los sistemas reales de IA.