Se acerca el Internet de las cosas, eso sabemos. Pero no sin componentes y chips que puedan manejar la explosión de datos que viene con IoT. En el año 2020, habrá 50 mil millones de sensores industriales de Internet instalados. Un solo dispositivo autónomo:un reloj inteligente, un robot de limpieza, o un automóvil sin conductor:puede producir gigabytes de datos cada día, mientras que un airbus puede tener más de 10, 000 sensores en una sola ala.

Deben superarse dos obstáculos. Primero, los transistores de corriente en chips de computadora deben miniaturizarse al tamaño de solo unos pocos nanómetros, un gran desafío termodinámico; segundo, analizar y almacenar cantidades de datos sin precedentes requerirá cantidades igualmente enormes de energía. Sayani Majumdar, Miembro de la academia en la Universidad de Aalto, junto con sus compañeros, está diseñando tecnología para abordar ambos problemas.

Majumdar, junto con sus colegas, diseñó y fabricó los bloques de construcción básicos de los componentes futuros en lo que se denominan computadoras "neuromórficas" inspiradas en el cerebro humano. Es un campo de investigación en el que las mayores empresas de TIC del mundo y también la UE están invirtiendo fuertemente. Todavía, nadie ha ideado todavía una arquitectura de hardware a nanoescala que se pueda escalar para la fabricación y el uso industriales.

"La tecnología y el diseño de la computación neuromórfica avanza más rápidamente que su revolución rival, computación cuántica. Ya existe una amplia especulación tanto en el ámbito académico como en la I + D de las empresas sobre las formas de inscribir capacidades informáticas pesadas en el hardware de los teléfonos inteligentes. tabletas y computadoras portátiles. La clave es lograr la eficiencia energética extrema de un cerebro biológico e imitar la forma en que las redes neuronales procesan la información a través de impulsos eléctricos. "explica Majumdar.

Componentes básicos para computadoras que funcionan como el cerebro

En su reciente artículo en Materiales funcionales avanzados , Majumdar y su equipo informan que han fabricado una nueva generación de uniones de túneles ferroeléctricos, películas delgadas ferroeléctricas a escala nanométrica intercaladas entre dos electrodos. Tienen capacidades que van más allá de las tecnologías existentes y son un buen augurio para la computación neuromórfica estable y energéticamente eficiente.

Las uniones funcionan en voltajes bajos de menos de cinco voltios y con una variedad de materiales de electrodos, incluido el silicio utilizado en chips en la mayoría de nuestros componentes electrónicos. También pueden retener datos durante más de 10 años sin energía y fabricarse en condiciones normales.

Hasta este momento, las uniones de túneles se han hecho principalmente de óxidos metálicos y requieren temperaturas de 700 grados Celsius y altos vacíos para su fabricación. Los materiales ferroeléctricos también contienen plomo, lo que los convierte, y a todos nuestros ordenadores, en un grave peligro para el medio ambiente.

"Nuestras uniones están hechas de materiales orgánicos de hidrocarburos y reducirían la cantidad de desechos de metales pesados ​​tóxicos en la electrónica. También podemos hacer miles de uniones al día a temperatura ambiente sin que sufran por el agua u oxígeno en el aire". "explica Majumdar.

Lo que hace que los componentes ferroeléctricos de película delgada sean excelentes para las computadoras neuromórficas es su capacidad para cambiar no solo entre estados binarios (0 y 1), sino también entre una gran cantidad de estados intermedios. así como. Esto les permite 'memorizar' información de forma similar al cerebro:almacenarla durante mucho tiempo con cantidades mínimas de energía y retener la información que han recibido una vez, incluso después de apagarla y volverla a encender.

Estos se llaman memristores. Son ideales para cálculos similares a los de los cerebros biológicos. Llevar, por ejemplo, el próximo rover Mars 2020. Para que el Rover procese datos por sí solo utilizando un solo panel solar como fuente de energía, sus algoritmos sin supervisión necesitarán utilizar un cerebro artificial.

"Lo que nos esforzamos ahora es integrar millones de nuestros memristores de unión de túnel en una red en un área de un centímetro cuadrado. Podemos esperar empacar tantos en un espacio tan pequeño porque ahora hemos logrado una diferencia récord en el corriente entre los estados de encendido y apagado en las uniones y eso proporciona estabilidad funcional. Los memristores podrían realizar tareas complejas como el reconocimiento de imágenes y patrones y tomar decisiones de forma autónoma, "dice Majumdar.