La mayoría de los chips neuromórficos toman su arquitectura de la corteza cerebral, la región del cerebro que piensa. Un equipo de la Universidad Northwestern, en cambio, construyó un chip a partir de una parte del cerebro completamente distinta. El cerebelo, la estructura del tamaño de un puño situada en la parte posterior del cráneo, no razona tanto como predice: compara constantemente lo que el cuerpo está a punto de hacer con lo que espera que ocurra, y su firma computacional no es la amplificación sino la contención. El chip que lo emula, descrito el 10 de julio en Nature Communications, funciona de la misma manera: permanece en silencio ante lo esperado y gasta su energía solo en lo inesperado.
El hardware está construido con memtransistores de disulfuro de molibdeno, dispositivos que combinan la memoria y la acción del transistor en un único canal atómicamente fino, lo que elimina el trasiego constante de datos entre las unidades separadas de memoria y de procesamiento que ralentiza a los ordenadores convencionales. Los dispositivos de Northwestern añaden un giro: la asimetría. Un electrodo contacta directamente con el semiconductor, mientras que el otro se sitúa parcialmente sobre él, separado por una fina extensión aislante. Invertir la polaridad del voltaje reconfigura el mismo dispositivo entre dos modos que el equipo denomina excitatorio e inhibitorio, en espejo de las señales contrapuestas que mantienen en equilibrio los circuitos del cerebelo.
Por qué importa el equilibrio
En el cerebelo, las señales excitatorias e inhibitorias normalmente se cancelan entre sí. Las células granulares excitan a las células de Purkinje, las grandes neuronas de salida famosas por la facilitación a corto plazo más potente del cerebro, mientras que las interneuronas de la capa molecular aportan inhibición de avance. Cuando llega una entrada familiar, las dos señales permanecen en equilibrio y el circuito responde de forma predecible. Cuando aparece algo novedoso, el equilibrio se desplaza y la red señala el cambio.
Los memtransistores reproducen esa danza en el hardware. En la configuración excitatoria, los dispositivos muestran una respuesta gradual y de decaimiento lento, análoga a la acumulación de facilitación en la sinapsis entre la célula granular y la de Purkinje. En la configuración inhibitoria responden de forma abrupta y se desvanecen rápido, imitando la inhibición de avance. Una entrada novedosa saca al conjunto del equilibrio, y esa supresión transitoria es la señal que el sistema lee como anomalía. El equipo, dirigido por el científico de materiales Mark Hersam, la neurobióloga Indira Raman y el ingeniero eléctrico Amit Trivedi, de la Universidad de Illinois Chicago, denomina diferenciación a ese comportamiento emergente, la misma palabra que los neurocientíficos usan para la capacidad de la célula de Purkinje de distinguir patrones de entrada.
Las cifras
Las afirmaciones sobre el rendimiento vienen con una advertencia sobre cómo se midieron. En pruebas simuladas de electrocardiograma, el sistema señaló arritmias con una precisión superior al 98 por ciento, frente al 70 u 80 por ciento de los métodos clásicos de referencia, y detectó anomalías en una quinta parte de un latido. Alcanzó el 100 por ciento de precisión 2,4 veces más rápido que un modelo transformer, la arquitectura estándar detrás de la IA moderna de lenguaje e imágenes. Y necesitó unas 10.000 veces menos operaciones que los enfoques basados en silicio para lograrlo.
Los resultados del ECG provienen de simulaciones de red construidas a partir de datos medidos de dispositivos individuales, no de un chip totalmente integrado funcionando sobre el pecho de un paciente. La cifra de 10.000 veces cuenta operaciones, no consumo de energía medido; el ahorro energético se infiere, no se compara directamente con mediciones. Hersam es explícito sobre la distancia entre la demostración y el producto: el equipo no ha escalado los memtransistores hasta el nivel de los chips comerciales de silicio. El rendimiento de los dispositivos rondaba el 70 por ciento, los canales miden unos pocos cientos de nanómetros de largo y el conjunto de demostración es una matriz crossbar de 10 por 1, muy lejos de los miles de millones de transistores de un procesador moderno.
Lo que aporta el cerebelo
La afirmación que merece tomarse en serio no es que este chip supere a todos los sistemas de IA, sino que hace un trabajo específico con una fracción de la maquinaria. La detección siempre activa, el tipo de monitorización continua que necesita un monitor cardíaco ponible o un vehículo autónomo, es brutalmente ineficiente en el hardware convencional, que debe procesar cada fotograma, cada latido, cada muestra, por si algo importa. Una arquitectura al estilo del cerebelo invierte la lógica: la rutina es barata porque el hardware está diseñado para suprimirla, y solo el momento anómalo, la arritmia, el peatón que se cruza en la carretera, desencadena una respuesta completa.
Ese es el mismo principio de diseño que el cerebelo aplica al control motor, donde el cerebro debe reaccionar a las perturbaciones en decenas de milisegundos sin la latencia del pensamiento consciente. El siguiente objetivo del equipo de Northwestern es la habituación, la capacidad del cerebelo de aprender qué cuenta como rutina en primer lugar, lo que permitiría al chip adaptar su definición de lo normal mientras observa el mundo. El grupo también ha mostrado que el enfoque se generaliza más allá de los electrocardiogramas, con detección de novedad en dígitos escritos a mano y audio hablado.
El trabajo se suma a un cambio más amplio en la computación de borde, donde las limitaciones de energía, y no la inteligencia bruta, son la restricción determinante. Los centros de datos ya consumen cientos de teravatios-hora de electricidad al año, y ejecutar un modelo grande en cada dispositivo ponible no es una opción. Los chips que toman prestada la economía del cerebelo, que duermen durante las partes aburridas, son una vía plausible para salir de ese aprieto. El circuito más antiguo del cerebro, resulta que tenía la idea correcta sobre la atención desde el principio: el recurso escaso no es la capacidad de reaccionar, sino la capacidad de saber cuándo no hacerlo.
Fuentes
1. Min-A Kang, Spencer T. Brown, Nethmi Jayasinghe, et al., “Cerebellum-inspired memtransistors enable emergent differentiation for hardware-efficient novelty detection,” Nature Communications (2026), published July 10, 2026. DOI: 10.1038/s41467-026-75212-4. PMID: 42431950. https://www.nature.com/articles/s41467-026-75212-4
2. Owen Hughes, “New AI chip mimics the human brain’s capacity for split-second motor control… 10,000 times fewer calculations,” Live Science, August 11, 2026. https://www.livescience.com/technology/electronics/new-ai-chip-mimics-the-human-brains-capacity-for-split-second-motor-control-it-solved-problems-using-10-000-times-fewer-calculations
3. Amanda Morris, “AI gets a cerebellum,” Northwestern Now, July 10, 2026. https://news.northwestern.edu/stories/2026/07/ai-gets-a-cerebellum
4. Semiconductor Engineering, “Research Bits: July 14,” 2026. https://semiengineering.com/research-bits-july-14/
5. Neuroscience News, “AI cerebellum memtransistor,” July 10, 2026. https://neurosciencenews.com/ai-cerebellum-memtransistor-31036
6. PubMed record: https://pubmed.ncbi.nlm.nih.gov/42431950/
Traducido por Alessandra