Los ingenieros de la Universidad Northwestern en Illinois, EE. UU., han alcanzado un hito en la investigación de hardware de inteligencia artificial: han impreso neuronas artificiales que pueden comunicarse directamente con las células cerebrales vivas. Este avance, publicado el 15 de abril en la revista Nature Nanotechnology, abre un camino hacia interfaces cerebro-máquina que funcionan de manera más natural con el sistema nervioso humano — y hacia sistemas informáticos que consumen mucho menos energía que los centros de datos actuales.
El problema que impulsa esta investigación
Los sistemas modernos de inteligencia artificial son poderosos, pero son extraordinariamente hambrientos de energía. Entrenar grandes modelos de lenguaje y realizar inferencias a gran escala requiere centros de datos que consumen gigavatios de electricidad. Mark Hersam, un profesor de ciencia de materiales en la Universidad Northwestern que lideró el estudio, describió el tamaño del desafío de manera clara: las tendencias actuales apuntan a centros de datos de próxima generación que requerirían plantas de energía nuclear dedicadas para funcionar. Más allá de la electricidad, los centros de datos dependen de enormes volúmenes de agua para la refrigeración, lo que pone una presión adicional sobre los suministros de agua ya estresados.
Nuestro cerebro, en contraste, funciona con aproximadamente 20 vatios — aproximadamente la misma cantidad de energía que una bombilla de luz tenue. Hersam y su equipo argumentan que el cerebro es cinco órdenes de magnitud más eficiente energéticamente que una computadora digital, lo que convierte a la arquitectura neuronal biológica en el modelo más convincente para el hardware de computación de próxima generación.
Cómo funcionan las neuronas impresas
El equipo construyó sus neuronas artificiales utilizando un proceso llamado impresión por aerosol, que deposita capas de tinta electrónica sobre un sustrato polimérico flexible. La tinta contiene dos materiales clave: escamas de disulfuro de molibdeno de nanoescala, que actúa como un semiconductor, y grafeno, que sirve como conductor eléctrico. Juntos, estos materiales forman un dispositivo conocido como red de nanosheets memristivos — una estructura cuya resistencia eléctrica cambia según la actividad pasada, al igual que una sinapsis biológica se fortalece o debilita con el uso repetido.
Una idea crítica provino de una fuente inesperada: el polímero estabilizador que los investigadores suelen quemar después de imprimir. El equipo de Northwestern descubrió que al descomponer parcialmente el polímero en lugar de eliminarlo por completo, podían introducir imperfecciones controladas en el material impreso. Estas imperfecciones crean un canal conductor estrecho a través del cual se concentra la corriente eléctrica. A medida que la corriente pasa a través de ese canal, el dispositivo se enciende y apaga rápidamente, generando picos de voltaje agudos.
Esos picos de voltaje se asemejan estrechamente a los potenciales de acción — los impulsos eléctricos — que producen las neuronas reales cuando se activan. Lo crucial es que los dispositivos no solo generan un pulso uniforme de encendido y apagado. Producen una rica variedad de patrones de disparo, incluyendo picos aislados, ráfagas sostenidas y oscilaciones rítmicas, que coinciden con la diversidad de comportamiento que muestran las neuronas biológicas y que permite al cerebro codificar información con una notable eficiencia.
Comunicándose con tejido vivo
Para probar si las neuronas artificiales podían hacer más que simplemente asemejarse a las señales biológicas, los investigadores colaboraron con la profesora de neurobiología de Northwestern, Indira Raman. El equipo conectó sus dispositivos impresos a cortes de cerebelo de ratón — la región del cerebro que gobierna la coordinación motora — y envió señales a través del tejido vivo.
Las neuronas biológicas respondieron. Las neuronas artificiales produjeron señales con la forma y el tiempo correctos para activar circuitos neuronales reales en el tejido, demostrando un nivel de biocompatibilidad que los dispositivos neuromórficos anteriores no habían alcanzado.
“Puedes ver las neuronas vivas responder a nuestra neurona artificial,” dijo Hersam. “Así que hemos demostrado señales que no solo están en la escala de tiempo correcta, sino también con la forma de pico adecuada para interactuar directamente con las neuronas vivas.”
El equipo de investigación logró estos resultados utilizando solo dos neuronas impresas combinadas con componentes de circuito básicos, un contraste marcado con los chips neuromórficos convencionales que requieren millones de neuronas artificiales uniformes para lograr incluso una funcionalidad modesta.
Implicaciones para interfaces cerebro-máquina
La capacidad de comunicarse directamente con tejido neural vivo tiene un potencial significativo para la tecnología médica. Las neuroprótesis — dispositivos que restauran funciones sensoriales o motoras perdidas — enfrentan actualmente una limitación fundamental: los electrodos rígidos de silicio estimulan a las neuronas de manera cruda e imprecisa que el cerebro no tolera bien con el tiempo. Un dispositivo impreso y flexible capaz de generar señales biológicamente precisas podría mejorar el rendimiento y la longevidad de los implantes diseñados para restaurar la audición, la visión o el movimiento.
La flexibilidad del sustrato impreso también es importante para la implantación práctica. Los dispositivos electrónicos rígidos en contacto con tejido cerebral suave y móvil causan estrés mecánico e inflamación con el tiempo. Los dispositivos suaves y flexibles como los desarrollados por el equipo de Northwestern se mueven con el tejido, lo que potencialmente reduce el daño a largo plazo.
Un camino más largo hacia una IA eficiente en energía
La aplicación más distante — pero potencialmente transformadora — es el hardware de inteligencia artificial eficiente en energía. Los chips de silicio de hoy logran complejidad computacional al empaquetar miles de millones de transistores idénticos juntos. El cerebro logra una eficiencia mucho mayor a través de la diversidad: diferentes tipos de neuronas con diferentes comportamientos de disparo trabajan juntas, permitiendo al sistema codificar y procesar información utilizando muchos menos componentes en total.
El equipo de Hersam demostró que su enfoque de fabricación puede producir neuronas artificiales con comportamientos de disparo variados y complejos a partir de un solo proceso imprimible. Esta técnica no requiere las costosas y altamente controladas instalaciones de fabricación de semiconductores que demandan los chips de silicio. Utilizando materiales suaves y métodos de impresión, los investigadores produjeron dispositivos que se acercan a la riqueza comportamental de las neuronas biológicas a una fracción de la complejidad de fabricación.
“El silicio logra complejidad al tener miles de millones de dispositivos idénticos,” dijo Hersam. “Todo es lo mismo, rígido y fijo una vez que se fabrica. El cerebro es lo contrario. Es heterogéneo, dinámico y tridimensional. Para avanzar en esa dirección, necesitamos nuevos materiales y nuevas formas de construir electrónica.”
Los investigadores advierten que traducir la demostración de laboratorio en hardware informático práctico tomará años de desarrollo adicional. El camino desde un dispositivo prometedor hasta un chip que se pueda manufacturar y que los centros de datos puedan adoptar es largo e incierto. Sin embargo, el estudio establece una prueba de concepto: los materiales flexibles impresos pueden producir el tipo de señales neuronales diversas y biológicamente realistas que requerirá un hardware de IA más eficiente.
Contexto dentro de un cambio más amplio
El avance de Northwestern llega en un momento en que la industria de la inteligencia artificial está lidiando seriamente con los costos energéticos de la escalabilidad continua. Los enfoques competidores para hardware de IA más eficiente incluyen chips fotónicos que utilizan luz en lugar de electricidad, procesadores de inferencia especializados, y una variedad de diseños neuromórficos de empresas como Intel e IBM. El enfoque de la neurona impresa es distinto por su uso de materiales suaves y flexibles y su capacidad demostrada de interactuar directamente con tejido biológico — una combinación que ninguna de las alternativas basadas en silicio puede igualar actualmente.
Este estudio recibió apoyo de la Fundación Nacional de Ciencias de EE. UU. El equipo de investigación incluyó científicos de los departamentos de ciencia de materiales, neurobiología e ingeniería eléctrica de Northwestern, reflejando la naturaleza inherentemente interdisciplinaria del trabajo que se sitúa en la intersección de la inteligencia artificial, la neurociencia y la nanotecnología.
