Dispositivos electrónicos polimórficos basados en interfaces de óxido para computación neuromórfica

Por qué este diminuto dispositivo importa para la IA del futuro

A medida que nuestros teléfonos, coches y centros de datos se vuelven más inteligentes, también consumen cantidades enormes de electricidad. Gran parte de este coste no proviene del cálculo en sí, sino de transferir datos una y otra vez entre chips separados que almacenan información y chips que la procesan. Este artículo describe un nuevo tipo de dispositivo microscópico, fabricado con materiales de óxido, que puede asumir varios roles electrónicos a la vez e incluso imitar aspectos del aprendizaje de las células cerebrales. Este hardware capaz de cambiar de forma podría ayudar a construir sistemas de inteligencia artificial futuros mucho más compactos y eficientes energéticamente que los ordenadores actuales.

Un pequeño bloque de construcción, muchas personalidades

Los investigadores trabajan con una interfaz especial entre dos óxidos, aluminate de lantano (LaAlO3) y titanato de estroncio (SrTiO3). Donde estos cristales se tocan, los electrones forman una lámina extremadamente fina y móvil que se comporta como un nanocable conductor. Al diseñar cuidadosamente esta interfaz y añadir dos electrodos laterales, el equipo crea una única estructura a escala nanométrica que puede ser reconfigurada, en tiempo real, para funcionar como tres elementos electrónicos básicos distintos. Con un esquema de conexionado se comporta como un transistor convencional, en otro se convierte en un memristor (una resistencia con memoria) y en un tercero funciona como un memcapacitor (un condensador con memoria). Los tres modos operan a temperatura ambiente en un área de aproximadamente un micrómetro cuadrado: varias veces más pequeño y sencillo que emplear tres dispositivos separados.

Cómo funciona el cambio de forma

En modo transistor, los voltajes aplicados a las compuertas laterales impulsan electrones dentro o fuera del nanocable LaAlO3/SrTiO3, aumentando o disminuyendo la corriente del canal de manera similar a un transistor de efecto campo estándar. Para cambiar al comportamiento de memristor, las compuertas laterales se dejan eléctricamente flotando en lugar de conectarlas a un potencial fijo. Las cargas pueden entonces tunelizar lenta y parcialmente hacia y desde estas regiones flotantes, de modo que la resistencia del canal depende de su historia de voltaje reciente y presenta un lazo de histéresis característico. Para la operación como memcapacitor, la misma estructura de compuerta se usa para almacenar y liberar carga de forma controlada y dependiente de la historia, lo que conduce a dos estados de capacitancia distintos con una clara histéresis en la respuesta capacitancia‑voltaje. En los tres casos, la física clave es el atrapamiento y liberación controlados de carga cerca de la interfaz, más que el movimiento de átomos o defectos, lo que hace que el comportamiento sea estable y reproducible.

De elementos básicos a circuitos tipo cerebro

Dado que el mismo dispositivo físico puede actuar como transistor, memristor o memcapacitor según el cableado externo, se convierte en un bloque de construcción flexible para circuitos neuromórficos—inspirados en el cerebro. Los autores conectan primero un transistor a un memcapacitor para construir un elemento simple de “computación en reservorio”. Un breve pulso de entrada controla el transistor, que a su vez carga el memcapacitor. La tensión de salida luego decae lentamente, conservando una memoria desvanecida de entradas recientes. Esta memoria no lineal y a corto plazo es exactamente lo que necesita la computación en reservorio para tareas como el reconocimiento de patrones. Usando imágenes de dígitos generadas por ordenador, el equipo demuestra que una matriz de estos elementos puede distinguir diferentes dígitos en función de las trazas de tensión dependientes del tiempo que producen.

Aprendizaje, lógica y decisiones en la misma plataforma

El mismo dispositivo de óxido también puede ser reconfigurado en circuitos que imitan sinapsis—conexiones entre neuronas—y puertas lógicas, las unidades básicas de la computación digital. En una configuración con un transistor y un memristor, pulsos de voltaje cortos producen cambios breves en la corriente, mientras que pulsos repetidos o más fuertes generan cambios duraderos, evocando cómo las sinapsis biológicas se refuerzan con el uso repetido. Con dos transistores y un memristor, los autores implementan operaciones lógicas OR y AND donde la salida lógica se almacena directamente en la conductancia del memristor mucho después de que las señales de entrada hayan cesado. Al cambiar cómo se barre el voltaje de operación, ese mismo circuito puede reconfigurarse entre comportamientos tipo OR y tipo AND, permitiendo una especie de lógica sináptica que puede adaptar sus reglas sobre la marcha. Como demostración de concepto, mapean señales de frecuencia cardiaca y presión arterial en el circuito y lo usan para imitar un sencillo árbol de decisiones de monitorización de salud que distingue entre individuos sanos y pacientes con enfermedades cardíacas.

Qué implica esto para la tecnología cotidiana

Para un público no especializado, el mensaje clave es que los autores han condensado varios tipos de comportamiento electrónico—e incluso funciones básicas de aprendizaje y toma de decisiones—en un único dispositivo de óxido estable y compatible con el silicio. Esto reduce el área del circuito, disminuye el cableado y puede reducir el consumo energético, todo ello apoyando al mismo tiempo procesos avanzados de estilo IA como el reconocimiento de patrones y la lógica adaptable. Si se escala, estos dispositivos polimórficos de óxido podrían sustentar futuros chips que mezclen la computación convencional con métodos inspirados en el cerebro, ayudando a que centros de datos, dispositivos en el borde y sensores gestionen flujos crecientes de información de forma mucho más eficiente que las arquitecturas actuales basadas sólo en transistores.

Cita: Pradhan, S., Miller, K., Hartmann, F. et al. Oxide interface-based polymorphic electronic devices for neuromorphic computing. Nat Commun 17, 3406 (2026). https://doi.org/10.1038/s41467-026-71642-2

Palabras clave: computación neuromórfica, memristor, interfaz de óxido, computación en reservorio, electrónica polimórfica