Saltar al contenido principal

05 de junio de 2025 - Tiempo de lectura 4 min

Del Aprendizaje Automático al Aprendizaje Asociativo

La inteligencia artificial es capaz de tomar decisiones en función de una serie de datos almacenados en su memoria, que analiza y transforma en acciones concretas como respuesta a comandos o preguntas también concretas. Cuando ese algoritmo es capaz de utilizar sus propias respuestas para tomar decisiones mejores en la siguiente orden que recibe, es cuando hablamos de Aprendizaje Automático y depende, básicamente, de cómo almacene ese aprendizaje en un tipo de memoria específica. Hasta ahora, ese proceso siempre ha sido puramente matemático y sujeto a una lógica binaria. Algo que podríamos llamar simple, comparado con el proceso complejo que realiza nuestro cerebro humano, gracias a esa maravilla de la naturaleza que son las sinapsis neuronales. Ahora, inspirándose en el cerebro humano, los investigadores han desarrollado un nuevo transistor sináptico capaz de pensar a un nivel superior.
Del Aprendizaje Automático al Aprendizaje Asociativo


Un nuevo transistor similar al cerebro imita la inteligencia humana

Diseñado por investigadores de la Universidad Northwestern, Boston College y el Instituto Tecnológico de Massachusetts (MIT), el dispositivo procesa y almacena información simultáneamente, como hace el cerebro humano. En sus experimentos, los investigadores demostraron que el transistor va más allá de simples tareas de aprendizaje automático para categorizar datos y es capaz de realizar lo que se denomina aprendizaje asociativo.

Aunque estudios anteriores han aprovechado estrategias parecidas para desarrollar dispositivos informáticos similares al cerebro, estos transistores no podían funcionar fuera de temperaturas criogénicas. El nuevo dispositivo, por el contrario, es estable a temperatura ambiente. También funciona a velocidades rápidas, consume muy poca energía y retiene la información almacenada incluso cuando se corta la energía, lo que lo hace ideal para aplicaciones del mundo real.

"El cerebro tiene una arquitectura fundamentalmente diferente a la de una computadora digital", dijo Mark C. Hersam de Northwestern.

En un artículo publicado en Nature, Mark C. Hersam (Profesor de Ciencia e Ingeniería de Materiales e Ingeniería y Química Eléctrica e Informática, Director de Investigación en Ciencia e Ingeniería de Materiales de la Universidad Northwestern) explica que “En una computadora digital, los datos van y vienen entre un microprocesador y la memoria, lo que consume mucha energía y crea un cuello de botella al intentar realizar múltiples tareas al mismo tiempo. Por otro lado, en el cerebro, la memoria y el procesamiento de la información están coubicados y completamente integrados, lo que da como resultado una eficiencia energética mucho mayor. Nuestro transistor sináptico logra de manera similar una funcionalidad de procesamiento de información y memoria concurrente para imitar más fielmente el cerebro”.

Ordenadores que funcionen como el cerebro humano

Los avances recientes en inteligencia artificial (AI) han motivado a los investigadores a desarrollar computadoras que funcionan más como el cerebro humano. Los sistemas informáticos convencionales tienen unidades de procesamiento y almacenamiento separadas, lo que hace que las tareas con uso intensivo de datos consuman grandes cantidades de energía. Dado que los dispositivos inteligentes recopilan continuamente grandes cantidades de datos, los investigadores se esfuerzan por descubrir nuevas formas de procesarlos todos sin consumir una cantidad cada vez mayor de energía. Actualmente, la resistencia de memoria, o “memristor”, es la tecnología mejor desarrollada que puede realizar funciones combinadas de procesamiento y memoria. Pero los memristores todavía sufren cambios costosos en energía.

Repensando el hardware informático dedicado a la Inteligencia Artificial

"Durante varias décadas, el paradigma en electrónica ha sido construir todo a partir de transistores y utilizar la misma arquitectura de silicio", dijo Hersam. “Se han logrado avances significativos simplemente empaquetando más y más transistores en circuitos integrados. No se puede negar el éxito de esa estrategia, pero tiene el coste de un alto consumo de energía, especialmente en la era actual de big data, donde la computación digital está en camino de abrumar a la red. Tenemos que repensar el hardware informático, especialmente para las tareas de Inteligencia Artificial y aprendizaje automático”.

Para repensar este paradigma, Hersam y su equipo exploraron nuevos avances en la física de los patrones muaré, un tipo de diseño geométrico que surge cuando dos patrones se superponen. Cuando se apilan materiales bidimensionales, surgen nuevas propiedades que no existen en una sola capa. Y cuando esas capas se tuercen para formar un patrón muaré, se hace posible una sintonización sin precedentes de las propiedades electrónicas.

Para el nuevo dispositivo, los investigadores combinaron dos tipos diferentes de materiales atómicamente delgados: grafeno bicapa y nitruro de boro hexagonal. Cuando se apilaron y se retorcieron intencionalmente, los materiales formaron un patrón muaré. Al rotar una capa con respecto a la otra, los investigadores pudieron lograr diferentes propiedades electrónicas en cada capa de grafeno, aunque estén separadas solo por dimensiones de escala atómica. Con la elección correcta del giro, los investigadores aprovecharon la física muaré para lograr una funcionalidad neuromórfica a temperatura ambiente.

"Con la torsión como nuevo parámetro de diseño, la cantidad de permutaciones es enorme", dijo Hersam. "El grafeno y el nitruro de boro hexagonal son muy similares estructuralmente, pero lo suficientemente diferentes como para obtener efectos muaré excepcionalmente fuertes".

El estudio “Transistor sináptico muaré con funcionalidad neuromórfica a temperatura ambiente”, fue apoyado principalmente por la Fundación Nacional de Ciencias.

¿Por qué este proyecto es innovador?

Su principal aportación reside en la capacidad de desplegar conectividad 5G de forma rápida, segura y eficiente en escenarios de catástrofe. La red permite la transmisión de datos en tiempo real con baja latencia, clave para coordinar equipos, acceder a mapas o imágenes aéreas y tomar decisiones con agilidad en situaciones adversas. 

Además, se integra con las redes públicas existentes, lo que aporta flexibilidad y redundancia al sistema. Se trata también de un claro ejemplo de colaboración público-privada, respaldado por financiación europea y alineado con el Plan de Recuperación, Transformación y Resiliencia del Gobierno de España.

Etiquetas relacionadas:

Compartir artículo:

Descargar artículo en PDF

Últimos artículos y novedades

Ver todos los artículos

Contacta con nosotros: Nuestra Visión