Integración homogénea de neuronas optoelectrónicas basadas en materiales bidimensionales y sinapsis ferroeléctricas para visión neuromórfica

Visión inteligente más cerca del ojo

Las cámaras y ordenadores actuales consumen mucha energía al mover imágenes continuamente entre chips separados dedicados a la detección, la memoria y el procesamiento. Este artículo describe un nuevo tipo de pequeño «ojo electrónico» que combina las tres funciones en un solo material. Al imitar la manera en que la retina humana convierte luz en pulsos eléctricos, los investigadores muestran un camino hacia sistemas de visión compactos y de bajo consumo que podrían ayudar a coches, robots y dispositivos portátiles a ver y reaccionar en tiempo real.

Por qué la visión por máquina actual malgasta esfuerzo

La mayoría de los sistemas de visión digitales siguen una receta conocida: un sensor de cámara registra la luz, los datos se envían a la memoria y un procesador realiza los cálculos. Como estas piezas están separadas, las imágenes crudas deben leerse, moverse y reescribirse repetidamente, lo que consume tiempo y energía. Esto se convierte en un problema serio para tareas como la asistencia al conductor o los drones, donde hay que analizar vídeo continuo y rápido en el borde. El cerebro evita este cuello de botella realizando procesamiento temprano directamente en la retina, donde las células fotosensibles y las conexiones nerviosas están estrechamente entretejidas. Los autores pretenden trasladar una estrategia similar de «cálculo en el sensor» a la electrónica, usando hardware que de forma natural se comunica mediante pulsos neuronales en lugar de señales digitales convencionales.

Una neurona sensible a la luz construida a partir de una lámina de átomos

En el núcleo del trabajo hay una neurona artificial impulsada por luz hecha de disulfuro de molibdeno (MoS₂), un semiconductor bidimensional de solo unas pocas capas atómicas. Cuando la luz incide en este dispositivo, las cargas quedan atrapadas en su interfaz y elevan gradualmente su salida eléctrica, de modo similar a cómo el potencial de membrana de una neurona biológica integra las señales entrantes. Una vez que esta salida supera un umbral fijado, un pequeño circuito obliga al dispositivo a emitir un breve pulso y luego se restablece automáticamente, listo para el siguiente estímulo luminoso. Porque el mismo transistor diminuto detecta la luz y la acumula en el tiempo, no se necesita un condensador voluminoso. La neurona responde a distintos colores (rojo, verde y azul) y puede codificar imágenes de dos formas útiles: por la frecuencia de sus pulsos y por el tiempo que tarda en emitir el primer pulso tras un cambio de brillo.

Sinapsis electrónicas que recuerdan

Para complementar las neuronas, el equipo construye sinapsis artificiales—dispositivos cuya conductancia eléctrica puede ajustarse y mantenerse. Estas se basan en transistores de efecto campo ferroeléctricos, donde una capa de óxido especial conserva una polarización eléctrica interna aun cuando se retira la tensión de control. Aplicando una secuencia de breves pulsos de voltaje, la conductancia de cada sinapsis puede aumentarse o disminuirse en aproximadamente 50 niveles estables, evocando el fortalecimiento y debilitamiento de las conexiones entre neuronas reales durante el aprendizaje. El diseño separa la capa ferroeléctrica del canal principal mediante un amortiguador aislante, lo que mejora la estabilidad y permite ajustar la ventana de memoria mediante la geometría. Las sinapsis funcionan como diminutas resistencias variables, ideales para realizar las operaciones de multiplicar y sumar que sustentan el cálculo en redes neuronales.

Unir las piezas para ver y reconocer

Los investigadores demuestran que tanto neuronas como sinapsis pueden fabricarse con MoS₂ en la misma oblea, formando una matriz compacta donde las neuronas sensibles a la luz envían sus pulsos directamente a una red de sinapsis con memoria. Una placa de circuito simple alberga la electrónica restante de las neuronas. En pruebas y simulaciones detalladas, el sistema primero codifica patrones de color en trenes de pulsos y luego los clasifica con una pequeña red neuronal de pulsos, alcanzando alrededor del 92% de precisión en tareas básicas de reconocimiento de color. Yendo más allá, los autores modelan una red mayor que utiliza el comportamiento medido de sus dispositivos para detectar vehículos y peatones en imágenes de carretera. Tras el entrenamiento, esta red basada en pulsos identifica correctamente objetos en un conjunto de datos de conducción en torno al 94% de las veces, aprovechando además los códigos de tiempo y de frecuencia propios del hardware para mayor robustez y rapidez.

Qué significa esto para futuros ojos electrónicos

Al unir detección de luz, codificación de estilo neuronal y memoria sináptica en una sola plataforma de material bidimensional, este trabajo acerca la visión neuromórfica a chips prácticos que pueden ver y decidir por sí mismos. La neurona de MoS₂ reproduce de cerca comportamientos clave de las células biológicas, y las sinapsis ferroeléctricas proporcionan almacenamiento de pesos de grano fino y bajo consumo sin bloques de memoria adicionales. Aunque la demostración actual es pequeña y todavía depende de circuitería externa y de entrenamiento por software, los resultados sugieren que futuras cámaras podrían incorporar capas de tales dispositivos directamente en el sensor. Eso permitiría a las máquinas filtrar, reconocer y reaccionar ante escenas visuales al instante, con mucha menos energía que la de enviar cada píxel a un procesador remoto.

Cita: Wang, J., Liu, K., Tiw, P.J. et al. Homogeneous integration of two-dimensional material-based optoelectronic neurons and ferroelectric synapses for neuromorphic vision. Nat Commun 17, 2538 (2026). https://doi.org/10.1038/s41467-026-68905-3

Palabras clave: visión neuromórfica, redes neuronales de pulsos, materiales bidimensionales, cálculo en el sensor, sinapsis ferroeléctricas