Cada chip de computadora convencional libra una guerra constante contra una molestia fundamental: el temblor aleatorio de átomos y electrones causado por la energía térmica. Este ruido limita qué tan pequeños pueden escalarse los transistores y obliga a los chips a consumir enormes cantidades de energía solo para mantener un funcionamiento confiable.
Una comunidad pequeña pero creciente de físicos e ingenieros se pregunta si vale la pena librar esta guerra, o si el ruido podría convertirse en un recurso computacional. El resultado es un campo incipiente llamado computación termodinámica, que aprovecha las fluctuaciones térmicas aleatorias en lugar de suprimirlas.
Como dijo Patrick Coles, científico jefe de Normal Computing: “El campo trata de diseñar computadoras que exploten la termodinámica como un recurso computacional.”
Cómo funciona
La idea central proviene de la física. Un circuito eléctrico simple, una red de resistencias, condensadores e inductores, explorará naturalmente muchos estados posibles a medida que sus componentes son agitados por el ruido térmico. Si el circuito está diseñado de modo que el estado más estable corresponda a la solución de un problema matemático, entonces el sistema encontrará esa solución simplemente al alcanzar el equilibrio.
Esto es análogo al plegamiento de proteínas, donde una larga cadena de aminoácidos se “mueve” aleatoriamente hasta encontrar la forma con la energía más baja. La naturaleza ha estado realizando este tipo de computación durante miles de millones de años.
Stephen Whitelam, científico del Lawrence Berkeley National Laboratory, demostró el principio construyendo un circuito capaz de eliminar el ruido de imágenes, reconstruyendo una imagen reconocible a partir de estática aleatoria, mientras disipaba aproximadamente 100 mil millones de veces menos calor que una red neuronal digital convencional realizando la misma tarea. “Los diseños de computadoras que hemos creado hasta ahora para la computación termodinámica solo son tan capaces como las pequeñas redes neuronales digitales de alrededor de 1990”, dijo Whitelam a Quanta Magazine.
Dos enfoques
Han surgido dos estrategias distintas. Normal Computing, una startup fundada por ex investigadores de Google Brain y Google X, construye sistemas en equilibrio que utilizan redes de circuitos RLC (resistencias, inductores, condensadores) para realizar cálculos a través de sus fluctuaciones térmicas naturales. La compañía publicó una demostración revisada por pares en Nature Communications en 2025 y desde entonces ha fabricado su primer chip termodinámico dedicado, el CN101, diseñado para ejecutar modelos de difusión multimodales.
Extropic, una segunda startup fundada por ex investigadores cuánticos de Google, adopta un enfoque de no equilibrio. Su plataforma XTR-0 utiliza miles de componentes semiconductores impulsados por ruido inyectado para realizar cálculos probabilísticos. La compañía afirma que el enfoque podría usar 10,000 veces menos energía que el hardware convencional para la inferencia de IA generativa, aunque los resultados se han publicado solo como preimpresión y aún no han sido revisados por pares.
Hacia dónde podría llegar
La computación termodinámica no reemplaza a las computadoras digitales. Es más adecuada para una clase específica de problemas: aquellos que involucran probabilidad, muestreo y optimización, precisamente el tipo de cálculos que dominan la IA moderna. Los modelos de difusión, la inferencia bayesiana y las simulaciones moleculares implican explorar grandes espacios de posibilidades, y todos podrían beneficiarse de hardware que haga esto de forma natural en lugar de mediante simulación digital por fuerza bruta.
El campo es temprano. La hoja de ruta de Normal Computing prevé chips cada vez más capaces en los próximos años, pero incluso sus propios investigadores comparan el estado actual con la computación cuántica en la década de 1990. Whitelam ofreció una perspectiva desde la biología: “Desde mi forma de pensar como físico, sería justo decir que la naturaleza utiliza computadoras de Langevin programadas por la evolución.”
La pregunta ahora es si los investigadores pueden construir versiones artificiales de esas computadoras biológicas, y hacerlas útiles.
Traducido por Alessandra
Sources
- Quanta Magazine: “Thermodynamic computers go with the energy flow” (July 15, 2026)
- Melanson, D., et al. “Thermodynamic computing via equilibrium fluctuations.” Nature Communications (2025). DOI: 10.1038/s41467-025-58199-y
- Whitelam, S. “Generative learning of nonequilibrium thermodynamic computers.” Physical Review Letters (2026)