Cómo un chip neuromórfico podría beneficiar a la industria

Chips neuromórficos que procesen información como el cerebro humano: este es el objetivo de la física Heidemarie Krüger y su startup Techifab, con sede en Dresde. El investigador del Instituto Leibniz de Tecnología Fotónica y la Universidad Friedrich Schiller de Jena está desarrollando una tecnología que procesa y almacena datos directamente en el punto de origen, eliminando la necesidad de transferencias de datos que consumen mucha energía entre el procesador y la memoria.

Junto con su equipo, Krüger está trabajando en componentes basados ​​en memristores que establecerán nuevos estándares en eficiencia energética y potencia informática. Esta tecnología en tiempo real y que ahorra recursos podría respaldar aplicaciones como vehículos autónomos y plantas industriales. «Nuestro objetivo es utilizar el cerebro como modelo para crear una tecnología que permita tomar decisiones lógicas y complejas con un consumo mínimo de energía», afirma Krüger.

Su artículo de perspectiva sobre memristores fue publicado en el Revista de Física Aplicada.

La innovación central: memristores con capacidad de memoria y aprendizaje

El chip neuromórfico se basa en memristores, componentes que funcionan de manera similar a las sinapsis en el cerebro. No sólo pueden almacenar información, sino también procesarla simultáneamente. Mientras que los ordenadores convencionales intercambian datos continuamente entre la memoria y el procesador, esta tecnología funciona de forma local. Esto reduce significativamente la disipación de energía y permite un análisis de datos rápido y descentralizado.

«Una diferencia clave es la capacidad de los memristores para procesar estados intermedios continuos, no sólo ‘0’ y ‘1’, sino valores intermedios», explica Krüger. Este procesamiento de datos flexible abre nuevas posibilidades para algoritmos que simulan redes neuronales. Las aplicaciones potenciales van desde el mantenimiento predictivo de máquinas hasta el análisis en tiempo real en áreas críticas para la seguridad, como la conducción autónoma.

Del descubrimiento en laboratorio a la aplicación industrial

El viaje hacia esta innovación comenzó con un descubrimiento fortuito en el laboratorio en 2011. Durante un análisis de materiales, el equipo de Krüger observó una curva de «bucle» característica, un comportamiento característico de un memristor con resistencia de memristor histerética. Esta propiedad permite que el dispositivo «recuerde» cálculos pasados ​​y realice cálculos complejos directamente. Este descubrimiento llevó a la idea de desarrollar sinapsis artificiales utilizando una combinación de bismuto y óxido de hierro.

«Hemos demostrado que estas sinapsis artificiales pueden manejar de manera eficiente tareas computacionales complejas como la multiplicación de matrices», dice Krüger. Estos cálculos forman la base para entrenar muchas aplicaciones de IA y algoritmos de procesamiento de imágenes. En enero de 2025, la revista de noticias El espejo informó sobre cómo la tecnología de Krüger podría establecer nuevos estándares en informática energéticamente eficiente.

Tecnología con potencial para la informática de punta

La arquitectura de los memristores permite que los datos se procesen directamente en la fuente, un componente clave para la llamada computación de borde, donde no es necesario transferir los datos a sistemas centrales en la nube. «Esto significa mayor seguridad e independencia, ya que los datos sensibles siguen siendo locales», señala Krüger. Esto podría suponer una ventaja significativa en los sistemas de sensores industriales, por ejemplo, para detectar signos tempranos de desgaste y prevenir fallos del sistema.

En los primeros proyectos piloto, el equipo de Krüger ya está probando la tecnología en condiciones reales en colaboración con la Universidad Técnica de Freiberg. Las pruebas han demostrado que el chip neuromórfico puede detectar de forma fiable incluso los cambios más pequeños y predecir con precisión los patrones de desgaste.

Un camino sostenible hacia sistemas de IA energéticamente eficientes

Mientras que los procesadores convencionales requieren cada vez más transistores para manejar la creciente avalancha de datos, los diseños de chips tradicionales están alcanzando límites físicos y energéticos. Los enfoques neuromórficos combinan memoria y unidades de procesamiento, lo que reduce el consumo de energía y amplía significativamente el potencial de los sistemas de inteligencia artificial.

«Nuestro objetivo no es sólo analizar conjuntos de datos, sino también aprender, reconocer patrones y reaccionar con flexibilidad ante nuevas situaciones sin estar constantemente conectados a centros de datos externos», afirma Krüger. Esta tecnología podría ayudar a que los centros de datos sean más eficientes energéticamente y permitir que se desarrollen aplicaciones de IA con muchos menos recursos.

El prototipo actual de Krüger tiene 32 memristores. En la siguiente fase de desarrollo, se espera que este número aumente a más de 200 para modelar redes neuronales complejas y permitir nuevas aplicaciones en sistemas autónomos.

Proporcionado por Leibniz-Institut für Photonische Technologien e. v.