Transistores y su uso en dispositivos de medición neuro-sináptica. Crédito: Naturaleza (2025). Doi: 10.1038/s41586-025-08742-4
Investigadores de la Universidad Nacional de Singapur (NUS) han demostrado que un único transistor de silicio estándar, el bloque de construcción fundamental de los microchips utilizados en computadoras, teléfonos inteligentes y casi todos los sistemas electrónicos, puede funcionar como una neurona y sinapse biológica cuando se opera de una manera específica y poco convencional.
Dirigido por el profesor asociado Mario Lanza del Departamento de Ciencia e Ingeniería de Materiales de la Facultad de Diseño e Ingeniería, NUS, el trabajo del equipo de investigación presenta una solución altamente escalable y de eficiencia energética para las redes neuronales artificiales (ANN) basadas en hardware.
Esto lleva a la computación neuromórfica, donde las chips podrían procesar la información de manera más eficiente, al igual que el cerebro humano, a la realidad. Su estudio fue publicado en la revista Nature.
Poner el cerebro en silicio
Las computadoras más sofisticadas del mundo ya existen dentro de nuestras cabezas. Los estudios muestran que el cerebro humano es, en general, más eficiente energéticamente que los procesadores electrónicos, gracias a casi 90 mil millones de neuronas que forman unas 100 billones de conexiones entre sí, y sinapsis que sintonizan su fuerza con el tiempo, un proceso conocido como plasticidad sináptica, que sustenta el aprendizaje y la memoria.
Durante décadas, los científicos han tratado de replicar esta eficiencia utilizando redes neuronales artificiales (ANN). Anns ha impulsado recientemente avances notables en inteligencia artificial (IA), inspirada libremente en cómo el cerebro procesa la información.
Pero mientras toman prestada terminología biológica, las similitudes solo funcionan con la piel, las ANN basadas en el software, como aquellos que impulsan los modelos de idiomas grandes como ChatGPT, tienen un apetito voraz por los recursos computacionales y, por lo tanto, la electricidad. Esto los hace poco prácticos para muchas aplicaciones.
La computación neuromórfica tiene como objetivo imitar la potencia informática y la eficiencia energética del cerebro. Esto requiere no solo rediseñar la arquitectura del sistema para llevar a cabo la memoria y el cálculo en el mismo lugar, el llamado computación en memoria (IMC), sino también para desarrollar dispositivos electrónicos que exploten fenómenos físicos y electrónicos capaces de replicar más fielmente cómo funcionan las neuronas y las sinapsis.
Sin embargo, los sistemas de computación neuromórficos actuales se ven obstaculizados por la necesidad de circuitos múltiples de transistores complicados o materiales emergentes que aún no se han validado para la fabricación a gran escala.
“Para habilitar la verdadera computación neuromórfica, donde los microchips se comportan como neuronas y sinapsis biológicas, necesitamos hardware que sea escalable y eficiente en la energía”, dijo el profesor Lanza.
El equipo de investigación de NUS ahora ha demostrado que un único transistor de silicio estándar, cuando está dispuesto y operado de manera específica, puede replicar tanto los cambios de disparo neuronal como los cambios de peso sináptico: los mecanismos fundamentales de las neuronas y las sinapsis biológicas.
Esto se logró ajustando la resistencia del terminal a granel a valores específicos, lo que permite controlar dos fenómenos físicos que tienen lugar en el transistor: golpear a través de la ionización de impacto y la captura de carga. Además, el equipo construyó una célula de dos transistores capaz de operar en una neurona o en un régimen sináptico, que los investigadores han llamado “memoria de acceso aleatorio neuro-sináptico” o NS-RAM.
“Otros enfoques requieren matrices de transistores complejos o materiales novedosos con capacidad de fabricación incierta, pero nuestro método utiliza la tecnología comercial de CMOS (el profesor de metal-óxido de metal complementario), la misma plataforma que se encuentra en los procesadores de computadoras modernos y los microcipes de memoria”, explicó el profesor Lanza.
“Esto significa que es escalable, confiable y compatible con los procesos de fabricación de semiconductores existentes”.
A través de experimentos, la célula NS-RAM demostró un bajo consumo de energía, mantuvo un rendimiento estable en muchos ciclos de operación y exhibió un comportamiento consistente y predecible en diferentes dispositivos, todos los cuales son atributos deseados para construir hardware ANN confiable adecuado para aplicaciones del mundo real.
El avance del equipo marca un cambio de paso en el desarrollo de procesadores de IA compactos y eficientes en energía que podrían permitir una computación más rápida y receptiva.
Más información: Sebastian Pazos et al, comportamientos sinápticos y neurales en un transistor de silicio estándar, Naturaleza (2025). Doi: 10.1038/s41586-025-08742-4
Proporcionado por la Universidad Nacional de Singapur
Cita: Advancing Semiconductor Devices para AI: actos de transistores individuales como Neuron and Synapse (2025, 28 de marzo) Recuperado el 28 de marzo de 2025 de https://techxplore.com/news/2025-03-Advancing-semiconductor-Devices-ai-transistor.htmlllly
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
