Nuevo material y chips inspirados en el cerebro humano

Inicio » Actualidad » Nuevo material y chips inspirados en el cerebro humano

La carrera por desarrollar chips inspirados en el cerebro humano se está acelerando como nunca. Lo que hace apenas unos años sonaba a ciencia ficción -circuitos que aprenden solos, encéfalos en miniatura montados sobre silicio o implantes que permiten manejar el entorno con la mente- hoy empieza a tomar forma en laboratorios de todo el mundo. Y no se trata solo de hacer la inteligencia artificial más potente, sino de lograr que sea más eficiente, más adaptable y, en cierto modo, más «humana».

Desde los nuevos neuristores con plasticidad intrínseca desarrollados en Corea hasta los dispositivos neuromórficos de Cambridge basados en óxido de hafnio, pasando por el encéfalo en chip del INL o las interfaces cerebro-computadora de Synchron, todas estas tecnologías apuntan a un futuro en el que la frontera entre biología y electrónica será cada vez más difusa. Vamos a desgranar, con calma, qué está ocurriendo en cada frente y por qué estos avances pueden cambiar por completo la forma en que concebimos la computación y la medicina.

Un chip que aprende solo imitando la plasticidad del cerebro

En los laboratorios de KAIST, una de las universidades tecnológicas punteras de Corea del Sur, un equipo de científicos ha creado un chip neuromórfico capaz de reajustar su comportamiento de forma autónoma, muy similar a como lo hace una neurona biológica. Este dispositivo se inspira en un mecanismo clave de nuestro sistema nervioso: la llamada plasticidad intrínseca, es decir, la habilidad de cada neurona para modificar su propia excitabilidad en función de la experiencia.

La plasticidad intrínseca es la responsable de procesos tan cotidianos como que dejemos de sobresaltarnos ante un ruido repetido o que mejoremos nuestra respuesta tras practicar muchas veces la misma tarea. Hasta hace poco, los chips neuromórficos se habían centrado sobre todo en reproducir las conexiones entre neuronas (las sinapsis), pero no el aprendizaje interno de cada célula. El nuevo desarrollo de KAIST rompe esta barrera y se centra en esa adaptación individual.

El dispositivo, bautizado como neuristor de conmutación de frecuencia (FS neuristor), logra emular este comportamiento ajustando por sí mismo la frecuencia con la que emite señales eléctricas. En lugar de necesitar una programación externa constante, el chip modifica su respuesta según los estímulos que recibe, acercándose mucho más a lo que hace una neurona real en el cerebro.

El diseño combina dos componentes memristivos que trabajan en tándem: uno actúa como disparador rápido, generando pulsos eléctricos, y el otro funciona como una unidad de memoria que registra los estímulos previos. Gracias a esta cooperación, el chip puede regular de forma continua su frecuencia de disparo y, en la práctica, «decidir» si se comporta de manera más o menos sensible ante nuevas señales entrantes.

Durante los experimentos, los investigadores observaron que el neuristor podía aumentar o disminuir su frecuencia de disparo de manera controlada, igual que una neurona que se va acostumbrando a un estímulo constante o que se afina con el entrenamiento. Además, el proceso resultó ser estable y reversible: el dispositivo pasaba de estados muy sensibles a otros más apagados sin perder información ni mostrar fallos de funcionamiento.

Este comportamiento, descrito en un trabajo publicado en la revista Advanced Materials y liderado por el profesor Kyung Min Kim, supone algo más que un logro académico. Plantea una nueva manera de entender la inteligencia artificial: en lugar de basarlo todo en grandes redes y conexiones programadas, cada unidad de hardware puede incorporar su propia capacidad de aprendizaje interno, igual que cada neurona del cerebro humano.

Más inteligencia con menos energía: IA neuromórfica y eficiencia

Uno de los grandes cuellos de botella de la IA actual es su consumo energético. Entrenar modelos masivos puede requerir la misma electricidad que un hogar durante meses, lo que dispara costes económicos y ambientales. El neuristor de KAIST demostró que es posible lograr rendimientos comparables con un 27,7 % menos de energía, simplemente cambiando el enfoque hacia arquitecturas más parecidas al cerebro.

La clave está en que, en este tipo de sistemas, cada «neurona» artificial tiene capacidad para aprender y adaptarse de manera local, sin depender tanto de un procesado centralizado. Esto reduce la carga global del sistema y permite eliminar muchas conexiones que, en una red convencional, estarían infrautilizadas pero seguirían consumiendo recursos constantemente.

Para probar el potencial del chip, el equipo de KAIST realizó simulaciones con una sparse neural network, un tipo de red neuronal dispersa que imita la estructura ligera del cerebro recortando enlaces innecesarios. Incluso tras eliminar casi todas las conexiones, el sistema mantuvo más del 90 % de precisión en tareas de reconocimiento de patrones, algo que una red densa clásica difícilmente podría lograr sin sufrir una caída fuerte de rendimiento.

Esta combinación de plasticidad intrínseca y redes dispersas no solo reduce el consumo de energía, sino que permite diseñar hardware mucho más compacto, rápido y sostenible. Hablamos de chips que podrían integrarse en dispositivos portátiles, sensores de edge computing, coches autónomos o móviles inteligentes, ofreciendo capacidades avanzadas de IA sin depender tanto de grandes centros de datos.

En este contexto, los investigadores de KAIST proponen un enfoque denominado Synergistic Plasticity-Embodied Sparse Neural Network, donde la plasticidad intrínseca de los neuristores y la poda masiva de conexiones se combinan para obtener computación eficiente en el borde. Gracias a esta sinergia, la red es capaz de conservar la precisión, reducir el gasto energético y soportar reconfiguraciones muy agresivas sin colapsar.

Resiliencia electrónica: cuando el chip también sabe “reaprender”

Otro rasgo sorprendente del nuevo neuristor es su resiliencia. En simulaciones, los científicos «dañaron» parte de la red, desactivando una fracción importante de neuronas artificiales, algo equivalente a una avería grave en un sistema electrónico tradicional. Sin embargo, la red basada en neuristores consiguió reorganizarse y recuperar casi por completo su rendimiento.

Este comportamiento se debe, de nuevo, a la plasticidad intrínseca. Al reajustar su sensibilidad, las neuronas restantes fueron capaces de redistribuir la carga de trabajo y compensar la pérdida de unidades dañadas, sin necesidad de reprogramar el sistema desde fuera. En la práctica, el hardware «reaprendió» por sí mismo cómo seguir funcionando pese a la degradación interna.

El paralelismo con el cerebro humano es evidente: tras un ictus o una lesión, otras zonas del encéfalo pueden asumir funciones de las áreas afectadas, permitiendo recuperaciones parciales o incluso muy notables. Llevar esta lógica al mundo de los chips implica que, en el futuro, podríamos disponer de dispositivos capaces de tolerar fallos físicos y seguir operativos durante más tiempo sin mantenimiento.

Para sistemas autónomos que deben funcionar 24/7 -vehículos inteligentes, robots, sensores remotos, dispositivos médicos implantables- esta resistencia al daño es oro puro. No solo se reduce el riesgo de fallos catastróficos, sino que se allana el camino hacia un hardware verdaderamente autoajustable, que evoluciona con el uso y no se limita a ejecutar siempre los mismos patrones prefijados.

Esa visión, según el equipo de KAIST, marca el inicio de una nueva generación de chips neuromórficos que integrarán de serie tanto la capacidad de aprendizaje interno como propiedades biológicas tan valiosas como la resiliencia y la adaptación continua, lo que puede transformar por completo cómo diseñamos y desplegamos máquinas inteligentes.

Encéfalo humano en un chip: la apuesta del INL contra el alzhéimer

Mientras en Corea se centran en materiales y arquitectura neuromórfica, en Europa otro frente igual de fascinante avanza con fuerza: el del encéfalo en chip. En el Laboratorio Ibérico Internacional de Nanotecnología (INL), en Braga, la doctora Raquel Rodrigues y su equipo han desarrollado un microchip que imita funciones clave del cerebro humano para acelerar el desarrollo de tratamientos contra enfermedades neurológicas graves, como el alzhéimer.

Rodrigues recuerda que el cerebro sigue siendo un órgano «muy complejo y enigmático» y que hacen falta tanto componentes experimentales avanzados como monitorización electrónica precisa de las células para entender su funcionamiento real. Gracias a la financiación de la Unión Europea, el proyecto BrainChip4MED -de dos años de duración y finalizado en 2024- ha permitido diseñar un chip que se parece físicamente a los de un ordenador o un móvil, pero con una complejidad interna mucho mayor.

Este encéfalo en chip combina química, ingeniería y biología para formar un sistema de microbiosensores capaz de analizar terapias en tiempo real. En lugar de probar un candidato a fármaco en animales o ensayos costosos, se puede estudiar cómo interactúa con tejidos y barreras cerebrales simuladas en un entorno controlado y reproducible, reduciendo tiempo, dinero y dilemas éticos.

El corazón del dispositivo es una red de microcanales de tamaños entre decenas y cientos de micrómetros, por los que circulan fluidos controlados con tecnología microfluídica. Esto permite trabajar con cantidades minúsculas de cada compuesto y evaluar muchas muestras en paralelo, abaratando notablemente el coste general de los ensayos y facilitando el cribado de nuevas nanoterapias.

La investigación del INL se ha apoyado también en una estancia de doce meses en el Hospital Brigham and Women’s de la Facultad de Medicina de Harvard, una institución pionera en órganos en chip y biosensores. Allí, el equipo pudo afinar el diseño de este encéfalo en chip para que resultara lo más realista posible desde el punto de vista biológico y clínico.

La barrera hematoencefálica: el muro que frena los nuevos fármacos

Uno de los grandes retos en terapias neurológicas es la barrera hematoencefálica, una capa de células extremadamente compacta que protege el cerebro de toxinas, patógenos y sustancias dañinas que circulan por la sangre. Solo pasan moléculas muy pequeñas o con características específicas, lo que convierte esta barrera en un arma de doble filo: esencial para la supervivencia, pero también un obstáculo casi infranqueable para muchos fármacos.

Hoy en día, apenas existen unos pocos medicamentos aprobados para el alzhéimer, y ninguno de ellos actúa realmente sobre la causa subyacente de la enfermedad, sino que se limita a aliviar síntomas. Parte del problema es económico y tecnológico: la industria farmacéutica tendría que invertir enormes cantidades de dinero en compuestos que tal vez nunca logren atravesar la barrera hematoencefálica, y hasta ahora no había una forma fiable de saberlo sin ensayos invasivos.

Con el encéfalo en chip del INL, el equipo de Rodrigues ha logrado recrear una versión funcional de esta barrera utilizando material bioorgánico para formar una biomembrana. A diferencia de otros dispositivos que emplean barreras puramente poliméricas, aquí se apuesta por una aproximación más cercana a la biología real, con estructuras que recuerdan mucho más a la membrana que separa nuestro tejido cerebral del torrente sanguíneo.

Gracias a esta plataforma, los investigadores pueden inyectar candidatos a fármaco en el chip y evaluar su capacidad de penetrar la barrera, así como observar sus efectos sobre el tejido modelado. El objetivo es cambiar la forma en que se diseñan y validan fármacos para el cerebro, reduciendo la dependencia de modelos animales que, además de los problemas éticos, no siempre se traducen bien a la fisiología humana.

Rodrigues recuerda que «el cerebro animal es distinto al cerebro humano» y que muchos medicamentos que parecen prometedores en modelos animales terminan fracasando en ensayo clínico. Dado que uno de cada tres europeos sufrirá un trastorno neurológico o mental en algún momento de su vida y que estos problemas ya suponen unos 800.000 millones de euros anuales en costes sanitarios en Europa, cualquier avance que acorte el ciclo de desarrollo de nuevos tratamientos tiene un impacto potencial enorme.

Órgano en chip y el combate a las enfermedades neurológicas

El listado de patologías cerebrales que podrían beneficiarse de tecnologías tipo encéfalo en chip es largo: alzhéimer, párkinson, epilepsia, ictus, depresión, migrañas, trastornos del sueño, lesiones cerebrales traumáticas, síndromes de dolor o incluso adicciones. Muchas de ellas comparten el problema de fondo de no contar con modelos preclínicos suficientemente fieles al cerebro humano.

El INL, cofinanciado por Portugal y España y con apoyo adicional de la UE y la industria, se ha posicionado como un centro puntero en microfluídica aplicada a nanomedicina. El doctor Manuel Bañobre López, responsable del grupo de nanomedicina, supervisa los avances del proyecto BrainChip4MED y recuerda que, aunque ya existe un prototipo funcional, todavía queda camino por recorrer antes de que pueda usarse de forma rutinaria en la industria farmacéutica.

Hacen falta fases de perfeccionamiento del dispositivo y validaciones muy rigurosas para confirmar que los resultados obtenidos en el chip se correlacionan bien con los efectos en pacientes reales. Este proceso llevará años, pero el equipo se muestra optimista: consideran que la tecnología representa un avance clave hacia el descubrimiento de nuevos fármacos neurológicos, especialmente para el alzhéimer, una de las enfermedades que más sufrimiento causa a nivel mundial.

Además de reducir el tiempo y el coste de desarrollo, los órganos en chip abren la puerta a pruebas más personalizadas, en las que se puedan usar células derivadas de pacientes concretos para evaluar cómo responderían a distintas terapias. Ese tipo de enfoque de medicina de precisión basada en microchips podría cambiar radicalmente tanto la investigación como la práctica clínica en neurología.

Cabe señalar que esta línea de trabajo ha recibido apoyo de programas europeos como las Acciones Marie Skłodowska-Curie, y que, aunque los resultados son muy prometedores, las opiniones expresadas por los investigadores no reflejan necesariamente la posición oficial de la Comisión Europea respecto a prioridades o estrategias regulatorias.

Nuevo material nanoelectrónico que imita el cerebro y ahorra energía

En paralelo, un grupo de la Universidad de Cambridge ha presentado en Science Advances un nuevo tipo de dispositivo nanoelectrónico que podría reducir de forma drástica el consumo energético del hardware de IA. La idea es similar en espíritu: inspirarse en la estructura del cerebro para procesar y almacenar información en el mismo lugar, en lugar de estar moviendo datos continuamente entre memoria y unidades de cálculo como ocurre en los chips convencionales.

La computación neuromórfica se propone como alternativa para lograr ahorros energéticos de hasta el 70 %, lo que sería clave ante el crecimiento exponencial de la demanda de IA en sectores tan variados como la industria, los servicios o la investigación científica. El equipo de Cambridge, liderado por el Dr. Babak Bakhit, ha diseñado memristores basados en una forma especial de óxido de hafnio que superan varias limitaciones de los dispositivos actuales.

En la mayoría de memristores tradicionales, el cambio de resistencia se realiza creando y destruyendo filamentos conductores dentro de un material de óxido metálico, un proceso relativamente impredecible y que requiere voltajes altos. En el nuevo enfoque, en lugar de depender de esos filamentos, los investigadores han desarrollado una película delgada de hafnio modificada con estroncio y titanio, utilizando un método de crecimiento en dos etapas para formar pequeñas «puertas» electrónicas en las interfaces entre capas.

Esas puertas permiten regular suavemente la resistencia del dispositivo modificando la altura de una barrera energética, sin necesidad de formar ni romper filamentos. Como resultado, los memristores muestran una uniformidad excepcional entre ciclos y entre dispositivos, uno de los principales talones de Aquiles de las arquitecturas filamentarias clásicas.

Las pruebas demostraron que estos nuevos dispositivos pueden soportar decenas de miles de ciclos de conmutación y mantener sus estados programados durante aproximadamente un día, suficiente para muchos escenarios de computación neuromórfica. Además, reproducen reglas fundamentales del aprendizaje biológico, como la plasticidad dependiente del tiempo, donde el fortalecimiento o debilitamiento de conexiones depende del orden temporal de las señales que llegan a las neuronas.

Retos para llevar estos memristores al mundo real

A pesar de los avances, todavía hay obstáculos técnicos antes de ver estos memristores de hafnio integrados en chips comerciales. El principal problema es que el proceso de fabricación requiere temperaturas en torno a 700 °C, por encima de lo que suelen tolerar las líneas estándar de producción de semiconductores. Reducir esa temperatura es ahora uno de los objetivos prioritarios del equipo.

Si logran adaptar el proceso para hacerlo compatible con la industria, el impacto podría ser enorme: se podrían diseñar sistemas neuromórficos en el propio chip, con matrices de memristores que funcionen como neuronas y sinapsis artificiales, reduciendo drásticamente el traslado de datos y el consumo energético global de la IA.

El equipo de Cambridge lleva varios años persiguiendo esta meta, ajustando parámetros como el método de deposición de capas o la composición química de las películas. Tras muchos intentos, señalan que los primeros resultados realmente estables empezaron a aparecer cuando perfeccionaron esta técnica de crecimiento en dos etapas con dopado de estroncio y titanio.

La investigación ha recibido respaldo parcial del Consejo Sueco de Investigación (VR), la Real Academia de Ingeniería y UK Research and Innovation (UKRI), y ya se ha presentado una solicitud de patente a través de Cambridge Enterprise. Todo indica que, si se soluciona el problema térmico, esta tecnología puede convertirse en un auténtico «game changer» gracias a su bajo consumo y alto rendimiento.

Con la presión creciente sobre el consumo energético de centros de datos y grandes modelos de IA, materiales como este no son solo una curiosidad de laboratorio, sino una pieza clave para que el crecimiento de la inteligencia artificial sea sostenible a medio y largo plazo, tanto económica como ambientalmente.

Interfaces cerebro-computadora: la mente como mando a distancia

La inspiración en el cerebro no se limita a copiar su arquitectura en chips: también está llegando al terreno de las interfaces cerebro-computadora (BCI), que permiten controlar dispositivos directamente con la actividad neuronal. La empresa de neurotecnología Synchron ha mostrado recientemente la última versión de su BCI implantable, que integra tecnologías de Nvidia y las Apple Vision Pro para que personas con parálisis puedan manejar entornos digitales y físicos solo con pensar en ello.

En una demostración durante la conferencia GTC de Nvidia en San José, Synchron enseñó cómo uno de sus participantes, Rodney Gorham -que padece esclerosis lateral amiotrófica (ELA) y ha perdido la voz y gran parte de la movilidad- es capaz de controlar varios dispositivos domésticos desde su salón en Melbourne. Con su interfaz implantada, puede poner música, regular la iluminación, encender un ventilador, activar un comedero automático para mascotas o poner en marcha una aspiradora robótica.

Inicialmente, tras la implantación en 2020, Gorham utilizaba su BCI para teclear en un ordenador, un iPhone o un iPad. La novedad ahora es la integración con las Apple Vision Pro, que le permite mirar a distintos aparatos de su casa y ver sobre ellos un menú flotante superpuesto en el entorno físico. A través de la BCI puede seleccionar distintas acciones simplemente con la mente, como ajustar la temperatura del aire acondicionado sin necesidad de tocar nada.

Las BCI funcionan decodificando los patrones de actividad cerebral y traduciéndolos en órdenes para dispositivos externos. Para mejorar la velocidad y la precisión de este proceso, Synchron está usando Holoscan, una plataforma de Nvidia especializada en procesamiento de sensores con IA. Una decodificación más rápida implica menos latencia entre la intención del usuario y la respuesta del sistema, así como una sensación de control más natural.

En los últimos años, la expectación en torno a las BCI ha crecido mucho, con empresas como Neuralink o la propia Synchron tratando de llevar al mercado lo que antes eran prototipos de laboratorio muy rudimentarios. Aunque aún estamos en fase experimental, el potencial para devolver funciones a personas con parálisis o limitaciones motoras severas es enorme, y cada demostración pública ayuda a concretar ese futuro.

Hacia una IA cognitiva: datos cerebrales y computación avanzada

Una de las metas de Synchron no es solo demostrar casos de uso aislados -jugar a un videojuego, mover un brazo robótico o pilotar un dron-, sino crear un sistema de BCI que sea capaz de orquestar muchas tareas diferentes en el entorno del hogar de forma fluida. El CEO Tom Oxley describe la visión como un sistema operativo mental que funcione en tiempo real, las 24 horas del día, adaptándose al contexto del usuario.

Para lograrlo, se necesitan grandes cantidades de datos cerebrales y una infraestructura de computación potente que permita entrenar modelos de decodificación cada vez más precisos y personalizados. En colaboración con Nvidia, Synchron está desarrollando lo que Oxley llama «IA cognitiva»: una nueva fase del desarrollo de la inteligencia artificial que combina datos neuronales a gran escala con algoritmos avanzados para hacer las BCI más intuitivas y predictivas.

Esta IA cognitiva iría más allá de la llamada IA agéntica -capaz de actuar y tomar decisiones por sí sola- y de la IA física -que integra algoritmos en robots y sistemas mecánicos- para situar la mente humana como interfaz de usuario definitiva. En la práctica, se trataría de sistemas que anticipen lo que el usuario quiere hacer, reduzcan el esfuerzo mental necesario y ofrezcan un control continuo y natural del entorno digital y físico.

Según David Niewolny, directivo de sanidad y tecnología médica en Nvidia, lo que se ha visto con Rodney es solo el principio. A medida que se acumule más experiencia y más datos, será posible incorporar muchas más interacciones y funciones, desde controlar dispositivos adicionales hasta navegar por interfaces complejas sin necesidad de ratones, teclados o pantallas táctiles.

Más allá del impacto en accesibilidad, este tipo de investigación plantea preguntas de fondo sobre cómo se integrarán cerebro y máquina en la vida cotidiana, qué modelos de privacidad y seguridad serán necesarios para gestionar datos cerebrales y qué tipo de regulación se deberá aplicar a tecnologías tan invasivas como las BCI implantables.

Un chip “vivo”: neuronas cultivadas sobre silicio

Un paso aún más radical en esta convergencia entre materia viva y electrónica viene de una empresa australiana que ha cultivado células cerebrales sobre electrodos en una placa de Petri, creando un chip que, de algún modo, está vivo. La idea es utilizar auténticas neuronas biológicas como elemento de computación, aprovechando su capacidad innata para aprender, adaptarse y procesar información de forma paralela.

Este tipo de plataformas, conocidas a veces como biocomputación híbrida, sitúan redes neuronales vivas sobre matrices de electrodos que pueden estimular y registrar su actividad. A diferencia de un chip puramente electrónico, aquí el «hardware» cambia físicamente a medida que las células se conectan, forman sinapsis y reorganizan sus redes internas, algo difícil de replicar con materiales inorgánicos convencionales.

El objetivo a medio plazo es explorar si este enfoque puede dar lugar a sistemas de computación más eficientes, capaces de resolver ciertos problemas de manera más flexible que los algoritmos actuales. Al mismo tiempo, estas plataformas sirven como modelos experimentales para estudiar cómo responden las neuronas a estímulos controlados, qué patrones de actividad emergen o cómo se producen ciertos tipos de aprendizaje a nivel de red.

Aunque todavía estamos en fases iniciales y quedan muchas incógnitas por resolver -desde la estabilidad a largo plazo de estos cultivos hasta la forma de programarlos de manera fiable-, la existencia misma de estos chips semi vivos subraya hasta qué punto se está borrando la línea entre biología y tecnología en la investigación de vanguardia.

Lejos de ser solo un experimento llamativo, este trabajo abre la puerta a repensar los fundamentos de la computación, incorporando propiedades emergentes de los tejidos vivos que podrían inspirar nuevas generaciones de hardware y algoritmos.

Todo este ecosistema de avances -chips neuromórficos que aprenden solos y se recuperan del daño, encéfalos en chip para probar fármacos, materiales nanoelectrónicos ultraficientes, interfaces cerebro-computadora que devuelven autonomía y plataformas de neuronas vivas sobre silicio- dibuja un panorama en el que la computación se vuelve cada vez más parecida al cerebro humano, tanto en arquitectura como en comportamiento. El resultado probable será una ola de máquinas más adaptativas, eficientes y resilientes, pero también nuevos desafíos éticos, regulatorios y sociales que habrá que abordar a la misma velocidad a la que surgen estas tecnologías.