Memristancia y transmemristancia en sistemas memristivos multiterminal

Por qué importan los circuitos de memoria diminutos

Tecnologías modernas como la inteligencia artificial y la computación inspirada en el cerebro requieren hardware que pueda aprender y adaptarse en lugar de limitarse a almacenar datos. Los dispositivos memristivos —componentes minúsculos cuya resistencia eléctrica recuerda señales pasadas— han surgido como candidatos prometedores. Este artículo explora cómo colecciones de muchos de estos dispositivos, conectados entre sí y accesibles a través de múltiples terminales eléctricos, pueden describirse y controlarse mediante un marco unificado. Ese marco no solo ayuda a los ingenieros a diseñar nuevos tipos de hardware de computación, sino que también ofrece herramientas para sondear cómo fluye la información a través de redes complejas y autoorganizadas de hilos a escala nanométrica.

De memorias simples a redes complejas

Los primeros dispositivos memristivos tenían solo dos terminales, como una resistencia corriente que puede cambiar su valor según las señales eléctricas que haya experimentado. Estos elementos básicos ya se usan para construir memorias rápidas y de bajo consumo y para acelerar algoritmos de aprendizaje automático. Típicamente se disponen en rejillas cruzadas ordenadas —matrices regulares donde cada punto de cruce almacena un número como una resistencia particular. Sin embargo, los investigadores también han comenzado a explorar sistemas mucho más irregulares formados por muchos elementos memristivos que interactúan, como redes enmarañadas de nanohilos o nanopartículas. En estos sistemas, el comportamiento global depende menos de dispositivos individuales y más de cómo responde colectivamente toda la red a patrones de estimulación a lo largo del tiempo.

Muchos terminales, muchos puntos de vista

Los autores generalizan la descripción habitual de dos terminales a lo que llaman sistemas memristivos multiterminal. En lugar de una entrada y una salida, estos sistemas tienen muchos terminales accesibles que pueden ser impulsados por un voltaje o quedar en flotación. Un objeto matemático llamado matriz memristiva vincula los voltajes y corrientes en todos los terminales no flotantes y evoluciona a medida que cambia el estado interno de la red. Medir la “distancia” eléctrica cambiante entre dos terminales cualquiera revela cómo la resistencia efectiva entre ellos crece o disminuye en respuesta a patrones de estímulo. Esta idea es crucial porque significa que lo que observamos en un par de terminales refleja cómo el interior oculto de la red se está reorganizando.

Observar cambios ocultos desde afuera

Un avance clave de este trabajo es la extensión de la memristancia (el cambio de resistencia observado en terminales estimulados) a la transmemristancia, que captura cómo la estimulación en un par de terminales afecta las señales medidas en otro par distinto. En la práctica, eso significa que se puede aplicar un voltaje en un lugar y observar el cambio resultante de voltaje o corriente en otro, efectivamente “escuchando” la reconfiguración interna de la red desde múltiples puntos de observación. Este concepto se desarrolla primero en teoría usando modelos de grafos, donde los nodos representan regiones o junturas y las aristas se comportan como conexiones memristivas cuya intensidad varía con el tiempo. A medida que la red es excitada, ciertos caminos se vuelven más conductivos y luego se relajan, y estos cambios se reflejan en la fortaleza con la que diferentes pares de terminales quedan acoplados entre sí.

Redes reales de nanohilos que aprenden

Para mostrar que estas ideas se aplican en la práctica, los autores estudian redes autoorganizadas de nanohilos metálicos puestas en contacto por matrices de electrodos metálicos. Cada electrodo toca muchos hilos, y las numerosas junturas hilo–hilo actúan como diminutos elementos memristivos. Cuando se aplica un pulso de voltaje entre un par de electrodos, la respuesta de corriente y la resistencia medida en esos electrodos muestran un patrón característico de “aprender y olvidar”: la resistencia cae durante el pulso y luego se relaja lentamente. Al mismo tiempo, los voltajes medidos en otros pares de electrodos no estimulados evolucionan de forma correlacionada, revelando un comportamiento transmemristivo. Al interpretar estas mediciones mediante la matriz memristiva y las herramientas de grafos asociadas, los investigadores pueden inferir cómo cambia la conectividad dentro de la red con el tiempo, aunque las junturas individuales no sean directamente observables.

Hacia nuevos tipos de hardware adaptativo

En términos sencillos, este trabajo muestra cómo tratar redes memristivas complejas y con muchos terminales como objetos unificados y ajustables cuyo estado interno puede tanto ser impulsado como leído desde distintos lugares. La memristancia nos dice cómo responde la red donde la estimulamos; la transmemristancia nos dice cómo esa respuesta se propaga por el resto del sistema. Juntas, proporcionan observables prácticos que reflejan la dinámica oculta de componentes a escala nanométrica. Este marco unificado enlaza la teoría de circuitos, la ciencia de redes y la física de materiales, allanando el camino para nuevos métodos de caracterización y para hardware que realiza computación utilizando la dinámica natural y adaptativa de redes memristivas en lugar de la lógica digital rígida.

Cita: Milano, G., Pilati, D., Michieletti, F. et al. Memristance and transmemristance in multiterminal memristive systems. Sci Rep 16, 5271 (2026). https://doi.org/10.1038/s41598-026-35671-7

Palabras clave: redes memristivas, hardware neuromórfico, redes de nanohilos, computación de reservorio, electrónica adaptativa