Científicos lograron crear neuronas artificiales que emulan el voltaje cerebral humano

Durante décadas, la computación neuromórfica planteó el gran reto de crear dispositivos capaces de razonar y aprender con un consumo energético mínimo, replicando el funcionamiento de las neuronas humanas, pero mediante materiales electrónicos. El objetivo busca reemplazar los procesadores convencionales por sistemas inspirados en la biología.

La distancia entre los mundos digital y biológico se manifestó en la diferencia de los voltajes requeridos: hasta ahora, las neuronas artificiales se activaban con voltajes mucho más altos que sus homólogas reales, dificultando la comunicación efectiva entre ambos.

Un equipo de la Universidad de Massachusetts Amherst (UMass) consiguió superar esa barrera: crearon neuronas artificiales que operan en el mismo rango de voltaje que las células vivas, con un consumo comparable al cerebro humano. Los resultados fueron publicados en Nature Communications y difundidos por Forbes.

Un lenguaje eléctrico común entre biología y silicio

La base del avance es un memristor, componente capaz de mantener memoria de estados eléctricos anteriores, fabricado no con silicio, sino con nanocables de proteínas derivados de la bacteria Geobacter Sulfurreducens.

Estas estructuras funcionan como conductores naturales de baja energía, permitiendo alcanzar voltajes similares a los de las neuronas biológicas.

Mientras compañías como Intel e IBM desarrollan chips neuromórficos exclusivamente de silicio (como Loihi o TrueNorth), el equipo de UMass eligió materiales biológicos que imitan la conducta de la materia viva.

El proyecto avanzó decisivamente al conectar el memristor de nanocables a un circuito RC simple, lo que permitió emular la carga y descarga de las neuronas.

Jun Yao, profesor asociado del Departamento de Ingeniería Eléctrica e Informática, rememoró: “En ese momento, no teníamos mucha idea de cómo podríamos usar eso para construir una neurona artificial”.

La combinación generó picos de voltaje repetibles, un comportamiento propio de las neuronas reales cuando la activación de una célula induce la de otra.

Eficiencia energética equiparable al cerebro humano

El dispositivo destaca por su bajo consumo energético. Según los experimentos, estas neuronas artificiales producen impulsos con apenas unos picojoules por evento, dentro del rango de 0,3 a 100 picojoules observado en las neuronas reales. Este dato proviene de mediciones directas de voltaje y corriente.

La eficiencia energética es clave para firmas tecnológicas como Intel, IBM y BrainChip, dedicadas a la computación neuromórfica. Mientras el cerebro humano utiliza cerca de 20 vatios, un centro de datos llega a requerir megavatios para funciones similares. Jun Yao advirtió: “También se trata de conectarlas en la red de forma similar. Aún no hemos llegado a ese punto”.

Neuronas artificiales que responden a estímulos químicos

Estas neuronas artificiales presentan otra ventaja significativa: pueden responder tanto a señales electrónicas como químicas. El equipo integró sensores de sodio y dopamina al circuito y verificó que los niveles de sodio elevaban la frecuencia de activación.

Por otro lado, la dopamina generaba un “efecto ambipolar”, es decir, incrementaba la activación a bajas concentraciones y la disminuía a dosis altas.

Esta capacidad refleja el ajuste de actividad que realizan las neuronas biológicas ante señales químicas. Si bien la prueba se limitó a algunas moléculas, el potencial de detección futura es amplio y permitiría desarrollar nuevas aplicaciones biomédicas de alta precisión.

Interacción con tejido vivo y reflejo biológico genuino

El equipo demostró que la neurona artificial puede interactuar con células reales. Al conectarse con células cardíacas cultivadas, el dispositivo permaneció sincronizado con su ritmo natural de 0,4 Hz.

Cuando las células fueron estimuladas con noradrenalina y su ritmo aumentó a 0,6 Hz, la neurona artificial reprodujo esa aceleración.

Según explicó Jun Yao, el mayor desafío reside en la capacidad limitada para captar la señal neuronal completa, ya que los sensores actuales no logran captar con total precisión los matices de la señal. Además, el dispositivo mostró pequeñas variaciones en la activación, un rasgo propio de las neuronas reales.

Para ciertos expertos esto puede resultar útil para la computación probabilística, mientras otros lo consideran como ruido eléctrico, es decir, fluctuaciones que pueden interferir con la precisión de las señales que debe controlarse. El equipo de UMass observó que la variabilidad disminuía a tasas altas de activación, replicando otro aspecto biológico genuino.

Aplicaciones inmediatas y visión a futuro

Por ahora, las aplicaciones más inmediatas de esta tecnología se orientan a biosensores especializados capaces de diagnosticar enfermedades, detectar fármacos o evaluar toxicidad, donde unas pocas neuronas artificiales pueden interpretar señales celulares.

Consultado por Forbes sobre el futuro del desarrollo, Jun Yao expresó que “10 años pueden darnos demasiadas sorpresas. Hace una década, jamás habríamos imaginado una IA como ChatGPT. Así que mantengo la gran esperanza y la convicción de que todo es posible”.