El ingeniero electrónico catalán Mario Lanza, actualmente en la Universidad Nacional de Singapur, ha realizado un descubrimiento significativo en el campo de la computación neuromórfica. Este avance permite almacenar y procesar datos en el mismo lugar, a diferencia de los ordenadores convencionales que requieren transferir datos entre diferentes unidades. La investigación, publicada en la revista Nature, utiliza transistores de silicio de bajo coste, lo que la hace accesible para empresas y centros de investigación en todo el mundo. Este enfoque tiene el potencial de revolucionar la inteligencia artificial (IA) y la computación neuromórfica, que simula el funcionamiento del cerebro humano.
Lanza destaca que este avance representa una oportunidad única para Europa, especialmente para España, de integrarse en el desarrollo de microchips avanzados y tecnologías de IA. A diferencia de los transistores de última generación que se fabrican en Taiwán o Corea, su investigación utiliza transistores tradicionales que pueden ser producidos en Europa, lo que democratiza el acceso a esta tecnología.
El trabajo de Lanza y su equipo se centra en la creación de un dispositivo que mejora la eficiencia de las redes neuronales artificiales. Estas redes, que son fundamentales para la computación neuromórfica, están compuestas por neuronas electrónicas y sinapsis. Anteriormente, se requerían al menos 18 transistores para cada neurona y 6 para cada sinapsis. Sin embargo, con el nuevo invento, solo se necesita un transistor por neurona y uno por sinapsis, lo que permite una reducción significativa en el tamaño del hardware.
La simplificación de la estructura de estos componentes no solo facilita la construcción de redes neuronales más grandes y sofisticadas, sino que también las hace más energéticamente eficientes. En su investigación, Lanza y su equipo han desarrollado una celda de memoria electrónica llamada Memoria RAM Neuro-Sináptica (NSRAM), que puede funcionar como neurona o sinapsis, dependiendo de la necesidad.
Este avance llega en un momento crítico, ya que muchas empresas y centros de investigación están intentando desarrollar nuevos chips adaptados a las necesidades de la IA. Sin embargo, la mayoría de estos esfuerzos se basan en mejoras graduales de tecnologías existentes, lo que a menudo resulta en un aumento de los costos de producción. Lanza y su equipo proponen una estrategia diferente que podría democratizar la nanoelectrónica, permitiendo que más entidades contribuyan al desarrollo de sistemas de computación avanzados, incluso sin acceso a procesos de fabricación de última generación.
La clave de este avance radica en un fenómeno físico conocido como ionización de impacto. Este fenómeno ocurre cuando un electrón impacta un átomo con suficiente energía para expulsar electrones de ese átomo, convirtiéndolo en un ion. Tradicionalmente, este efecto se ha considerado un problema en los transistores de silicio, pero el equipo de Lanza ha encontrado una manera de convertirlo en una ventaja. Al modular la resistencia de uno de los terminales del transistor, pueden controlar la corriente generada durante la ionización de impacto, produciendo señales eléctricas que son ideales para neuronas y sinapsis artificiales.
Lanza explica que este avance podría permitir la creación de sistemas de inteligencia artificial más eficientes y económicos, que podrían integrarse en dispositivos móviles que operan con baterías pequeñas. La computación neuromórfica, que se inspira en el cerebro humano, busca replicar el procesamiento de información de manera más eficiente que los sistemas convencionales, donde la memoria y el procesamiento están separados.
Este enfoque no solo reduce el consumo de energía, sino que también permite que solo las neuronas electrónicas activas consuman recursos, lo que es crucial para el desarrollo de tecnologías sostenibles en el ámbito de la inteligencia artificial. Con la creciente demanda de soluciones de IA, el trabajo de Lanza podría tener un impacto significativo en la forma en que se desarrollan y utilizan estas tecnologías en el futuro.
