El ingeniero electrónico catalán Mario Lanza, de la Universidad Nacional de Singapur, ha descubierto cómo almacenar y procesar datos en el mismo sitio -a diferencia de los ordenadores convencionales, que transfieren los datos de una unidad de memoria a una unidad de procesamiento- y hacerlo de manera mucho más eficiente que con la tecnología actual.
El avance mejora la eficiencia y reduce el coste de las redes neuronales artificiales
El ingeniero electrónico catalán Mario Lanza, de la Universidad Nacional de Singapur, ha descubierto cómo almacenar y procesar datos en el mismo sitio -a diferencia de los ordenadores convencionales, que transfieren los datos de una unidad de memoria a una unidad de procesamiento- y hacerlo de manera mucho más eficiente que con la tecnología actual.
El avance, presentado en la revista Nature, se basa en transistores de silicio de bajo coste, que están al alcance de empresas y centros de investigación de todo el mundo. Por ello, tiene el potencial de transformar el campo de la computación neuromórfica, que simula el funcionamiento del cerebro humano y es idónea para desarrollar la inteligencia artificial (IA).
“Para España y para Europa representa una oportunidad única para subirse al tren de los microchips avanzados y la inteligencia artificial”, declara Lanza a La Vanguardia. “No hemos utilizado transistores de última generación como los fabricados en Taiwán o Corea, sino transistores tradicionales que se pueden fabricar en Europa”.
“Para España es una oportunidad para subirse al tren de los microchips avanzados”, señala el investigador
Lanza, reconocido como un referente en computación neuromórfica, ha participado en la redacción de la Hoja de Ruta Internacional para Sistemas y Dispositivos del Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) de EE.UU., así como en la redacción del Plan Decenal de la Corporación de Investigación en Semiconductores de EE.UU. Sus investigaciones anteriores, publicadas en revistas como Science, Nature y Nature Electronics, fueron citadas más de 3.000 veces en la literatura científica en 2024.
Nacido en Esplugues de Llobregat y formado como ingeniero en la escuela Salesians Sarrià y en la Universitat Autònoma de Barcelona (UAB), Lanza amplió su formación en Alemania gracias a una beca de la Fundación La Caixa. Ha desarrollado su carrera investigadora y docente en la UAB (2006-2012), en la Universidad Soochow en China (2013-2020) y en la Universidad de Ciencia y Tecnología Rey Abdalá en Arabia Saudí (2020-2024), antes de recalar en Singapur.
Lee tambiénJosep Corbella
En su último trabajo, Lanza y su equipo han inventado un dispositivo que mejora la eficiencia de las redes neuronales artificiales, que son las redes que realizan las operaciones de computación neuromórfica. Estas redes están formadas por neuronas electrónicas (que son los nodos de la red) y por sinapsis (que son las conexiones entre los nodos).
Hasta ahora eran necesarios por lo menos 18 transistores de silicio para cada neurona y 6 transistores para cada sinapsis. Con el invento presentado en Nature, basta con un solo transistor por neurona y un solo transistor por sinapsis. “Podemos reducir el tamaño del hardware enormemente”, explica Lanza. Como una red neuronal artificial puede estar formada por millones de neuronas electrónicas y cientos de millones de sinapsis, “puede ser transformadora para la industria”.
Formado en Salesians Sarrià y la UAB, el ingeniero electrónico trabaja actualmente en la Universidad Nacional de Singapur
“Simplificar la estructura y el tamaño de estos dos componentes puede permitir la construcción de redes neuronales más sofisticadas, más grandes y energéticamente más eficientes”, escriben los investigadores en Nature .
Además, el equipo de Lanza ha inventado una celda de memoria electrónica formada por dos transistores que pueden actuar, según convenga, como una neurona o como una sinapsis. Lo han llamado Memoria RAM Neuro-Sináptica (o NSRAM, por sus iniciales en inglés).
El avance llega en un momento en que empresas y centros de investigación están intentando desarrollar nuevos chips adaptados a las necesidades de la IA. Pero la mayoría de estos intentos se basan en avances graduales a partir de las tecnologías existentes y comportan un encarecimiento progresivo de las tecnologías de producción.
Cedida por Mario Lanza
“La carrera por la supremacía en superconductores e inteligencia artificial ha sido una cuestión de fuerza bruta, a ver quién puede producir transistores más pequeños y soportar los costes de producción asociados”, explica en un comunicado Sebastián Pazos, ingeniero de la Universidad de Ciencia y Tecnología Rey Abdalá en Arabia Saudí y primer autor de la investigación. “Nuestro trabajo propone una estrategia diferente. Es una manera de democratizar la nanoelectrónica y permitir que todo el mundo contribuya al desarrollo de sistemas de computación avanzados, incluso sin acceso a procesos de fabricación de transistores de última generación”.
La clave del avance reside en un fenómeno físico llamado ionización de impacto, que se produce cuando un electrón (u otra molécula) impacta contra un átomo. Si el impacto tiene suficiente energía, alguno de los electrones del propio átomo resultan expulsados (con lo que el átomo se convierte en un ion, de ahí el nombre de ionización de impacto). Si estos electrones que resultan expulsados impactan contra otros átomos, puede producirse una reacción en cadena en que los átomos pierden electrones y se ionizan unos tras otros. Este fenómeno tradicionalmente se ha considerado un problema en los transistores de silicio y desde hace seis décadas se ha intentado mitigar.
Lee tambiénVíctor-M. Amela
Pero el equipo de Lanza ha ingeniado la manera de convertir este efecto indeseado en un efecto positivo. Concretamente, modulando la resistencia de uno de los cuatro terminales del transistor (el terminal de sustrato) se puede controlar la corriente producida durante la ionización de impacto. “Es muy similar al pico de corriente que produce una neurona en nuestro cerebro”, explica Lanza. “Conseguimos señales eléctricas muy idóneas” para neuronas y sinapsis artificiales.
Con este avance, señala el investigador, “podríamos tener sistemas de inteligencia artificial mucho más eficientes y baratos, e introducirlos en dispositivos móviles que funcionan con una batería pequeña”.
Computación neuromórfica. Es una estrategia de diseño de hardware y software inspirado en el cerebro humano, explica el investigador Mario Lanza. Se basa en la creación de circuitos y sistemas que imitan el procesamiento de información en el cerebro.
Red neuronal artificial. Es el sistema que realiza computación neuromórfica. También conocida como ANN (iniciales de artificial neural network).
Neuronas electrónicas. Son los nodos de las redes neuronales artificiales.
Sinapsis electrónicas. Son las conexiones entre los nodos de las redes neuronales artificiales.
Arquitectura de computación. A diferencia de la computación convencional, donde la memoria y el procesamiento están separadas, la computación neuromórfica integra el procesamiento y el almacenamiento en el mismo hardware.
Menos consumo de energía. La computación convencional necesita grandes cantidades de energía para realizar cálculos complejos, como los de la IA; en la computación neuromórfica solo las neuronas electrónicas activas consumen recursos.
Tecnología
