"Nuestro nuevo memristor combina lo mejor de ambos mundos: es estable como el cerebro y versátil como un chip digital"
Por: José Daniel Figuera
La inteligencia artificial (IA) avanza a pasos agigantados, pero tiene un problema fundamental: el "olvido catastrófico". Cuando una red neuronal aprende una nueva tarea, a menudo borra por completo lo que ya sabía, como si reiniciara su memoria. Sin embargo, científicos del Forschungszentrum Jülich en Alemania han desarrollado un nuevo tipo de memristor —un componente electrónico que imita las sinapsis del cerebro— que podría resolver este desafío. Publicado en Nature Communications, este avance promete hacer que las IA aprendan de manera más similar a los humanos.
Memristores: el "cerebro" de la próxima generación de chips
Los memristores son resistencias con memoria: cambian su resistencia eléctrica según el voltaje aplicado y retienen esa información incluso sin energía. "Son ideales para sistemas neuromórficos, es decir, chips que imitan el funcionamiento del cerebro", explica Ilia Valov, líder del estudio. Hasta ahora, existían dos tipos principales de memristores (ECM y VCM), pero ambos tenían limitaciones: inestabilidad, corta vida útil o altos requerimientos de energía. El nuevo diseño, llamado FCM (Filament Conductivity Modification), combina lo mejor de ambos: es más robusto, consume menos energía y funciona en modo analógico y digital.
¿Cómo evita el "olvido catastrófico"?
El cerebro humano no borra recuerdos al aprender algo nuevo; ajusta su plasticidad sináptica gradualmente. "Nuestro memristor replica este principio de 'metaplasticidad'", dice Valov. A diferencia de las redes neuronales actuales, que sobrescriben datos al entrenar, este componente permite aprendizaje continuo sin perder información previa. En pruebas con reconocimiento de imágenes, sistemas basados en FCM lograron alta precisión sin "reiniciar" su conocimiento anterior. La clave está en su filamento de óxido metálico, que nunca se disuelve por completo y solo se modifica químicamente.
Futuro de la computación neuromórfica
Este avance no solo resuelve un problema crítico de la IA, sino que también acerca la comercialización de chips neuromórficos. "Reducirá fallos en fabricación, aumentará la vida útil de los dispositivos y permitirá operar en entornos más exigentes", destaca Valov. El equipo ya explora otros materiales para optimizar el rendimiento. De escalarse, esta tecnología podría usarse en robótica autónoma, diagnósticos médicos con IA y sistemas de aprendizaje automático más eficientes, allanando el camino hacia máquinas que aprendan —y recuerden— como humanos.
Con este descubrimiento, la frontera entre biología y tecnología se difumina aún más.
Fuente de la investigación
Shaochuan Chen et al. Electrochemical ohmic memristors for continual learning. Nature Communications, 2025; 16 (1). DOI: 10.1038/s41467-025-57543-w.
