Empresas Premium
Chips neuromórficos que procesan la información como el cerebro humano: éste es el objetivo de la física Heidemarie Krüger y su empresa emergente Techifab, con sede en Dresde, Alemania.
La investigadora del Instituto Leibniz de Tecnología Fotónica y la Universidad Friedrich Schiller de Jena está desarrollando una tecnología que procesa y almacena datos directamente en el punto de origen, eliminando la necesidad de transferencias de datos entre el procesador y la memoria, que consumen mucha energía.
Junto con su equipo, Krüger trabaja en componentes basados en memristores que establecerán nuevos estándares de eficiencia energética y potencia de cálculo. Esta tecnología en tiempo real y con un uso eficiente de los recursos podría servir de apoyo a aplicaciones como vehículos autónomos y plantas industriales. "Nuestro objetivo es utilizar el cerebro como modelo para crear una tecnología capaz de tomar decisiones complejas y lógicas con un consumo mínimo de energía", afirma Heidemarie Krüger.
El chip neuromórfico se basa en memristores, componentes que funcionan de forma similar a las sinapsis del cerebro. No sólo pueden almacenar información, sino también procesarla simultáneamente. Mientras que los ordenadores convencionales intercambian datos continuamente entre la memoria y el procesador, esta tecnología funciona localmente. Esto reduce significativamente la disipación de energía y permite un análisis de datos rápido y descentralizado.
Una diferencia clave es la capacidad de los memristores para procesar estados intermedios continuos, "no sólo ´0´ y ´1´, sino valores intermedios", explica Krüger. Este procesamiento flexible de los datos abre nuevas posibilidades a los algoritmos que simulan las redes neuronales. Las aplicaciones potenciales van desde el mantenimiento predictivo de máquinas hasta el análisis en tiempo real en áreas críticas para la seguridad, como la conducción autónoma.
El camino hacia esta innovación comenzó con un descubrimiento casual en el laboratorio en 2011. Durante un análisis de materiales, el equipo de Krüger observó una curva de ´bucle´ característica, un comportamiento característico de un memristor con resistencia memristor histérica. Esta propiedad permite al dispositivo ´recordar´ cálculos anteriores y realizar directamente cálculos complejos. Este descubrimiento llevó a la idea de desarrollar sinapsis artificiales utilizando una combinación de bismuto y óxido de hierro. Para convertir estas sinapsis artificiales en un chip funcional, la startup recibió millones de euros de financiación de la Agencia Federal Alemana para la Innovación Disruptiva.
"Hemos demostrado que estas sinapsis artificiales pueden realizar con eficacia tareas computacionales complejas, como la multiplicación de matrices", afirma Krüger. Estos cálculos son la base del entrenamiento de muchas aplicaciones de IA y algoritmos de procesamiento de imágenes. En enero de 2025, la revista de noticias Der Spiegel informó de cómo la tecnología de Krüger podría establecer nuevos estándares en computación de bajo consumo.
La arquitectura de los memristores permite procesar los datos directamente en la fuente, un componente clave para la llamada computación de borde, en la que no es necesario transferir los datos a sistemas centrales en la nube. "Esto significa una mayor seguridad e independencia, ya que los datos sensibles permanecen locales", señala Krüger. Esto podría ser una ventaja significativa en los sistemas de sensores industriales, por ejemplo, para detectar signos tempranos de desgaste y prevenir fallos del sistema.
En proyectos piloto iniciales, el equipo de Krüger ya está probando la tecnología en condiciones reales en colaboración con la Universidad Técnica de Freiberg. Las pruebas han demostrado que el chip neuromórfico puede detectar con fiabilidad incluso los cambios más pequeños y predecir con exactitud los patrones de desgaste.
Mientras los procesadores convencionales necesitan cada vez más transistores para gestionar la creciente avalancha de datos, los diseños de chip tradicionales están alcanzando límites físicos y energéticos. Los enfoques neuromórficos combinan unidades de memoria y procesamiento, lo que reduce el consumo de energía y amplía considerablemente el potencial de los sistemas de IA.
"Nuestro objetivo no es sólo analizar conjuntos de datos, sino también aprender, reconocer patrones y reaccionar con flexibilidad ante nuevas situaciones sin estar constantemente conectados a centros de datos externos", afirma Krüger. "Esta tecnología podría ayudar a que los centros de datos sean más eficientes energéticamente y permitir que las aplicaciones de IA se desarrollen con muchos menos recursos".
El prototipo actual de Krüger tiene 32 memristores. En la siguiente fase de desarrollo, se espera que este número aumente a más de 200 para modelar redes neuronales complejas y permitir nuevas aplicaciones en sistemas autónomos.
