Dispositivos que imitan a las neuronas abren nuevas vías hacia una computación inspirada en el cerebro

24/07/2026

• El estudio reúne y organiza el conocimiento actual sobre los dispositivos autooscilatorios, explicando su funcionamiento, sus principales tipos y su potencial para desarrollar una nueva generación de hardware inspirado en el cerebro
• Estos dispositivos son una prometedora alternativa para el desarrollo de la próxima generación de hardware inteligente

Un equipo de investigación del Instituto de Tecnología Química (ITQ), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y de la Universitat Politècnica de València (UPV), ha publicado una revisión científica que reúne el conocimiento actual sobre los llamados dispositivos autooscilatorios, unos componentes electrónicos que generan señales de forma autónoma y pueden reproducir algunos de los mecanismos de funcionamiento de las neuronas. El trabajo reúne conocimientos de física, química, ciencia de materiales, electroquímica e ingeniería electrónica para avanzar hacia nuevas formas de computación inspiradas en el cerebro. Sus múltiples aplicaciones los convierten en una prometedora alternativa para el desarrollo de la próxima generación de hardware inteligente. La investigación ha sido publicada en la revista Chemical Reviews.

El estudio propone una visión común para entender cómo funcionan estos dispositivos autooscilatorios. Aunque utilizan materiales y tecnologías muy diferentes, muchos pueden comportarse de forma similar a las neuronas, ya que generan impulsos eléctricos, responden a estímulos o se sincronizan entre sí. Para explicar estos comportamientos, el trabajo recurre a la dinámica no lineal, que estudia sistemas capaces de responder de forma compleja y cambiante ante diferentes estímulos. Esta nueva perspectiva ayudará a diseñar dispositivos más eficientes para futuros sistemas de computación inspirados en el cerebro.

La investigación supone un avance importante porque ofrece una explicación común para entender el funcionamiento de las distintas familias de estos dispositivos. Para ello, utiliza herramientas matemáticas que permiten estudiar cómo un sistema puede cambiar de comportamiento, por ejemplo, para pasar de un estado estable a generar impulsos eléctricos u oscilaciones. Esta visión común proporciona una guía para diseñar nuevos dispositivos capaces de procesar información aprovechando directamente las propiedades físicas de los materiales, de una forma más parecida al funcionamiento del cerebro que al de los ordenadores tradicionales.

 

Múltiples aplicaciones

Las aplicaciones de esta tecnología abarcan desde la inteligencia artificial y la robótica hasta el reconocimiento de patrones, el procesamiento de señales y los sistemas capaces de aprender y adaptarse en tiempo real. Además, estos dispositivos podrían reducir de forma significativa el consumo energético y simplificar el diseño de los circuitos, ya que integran en un mismo elemento el almacenamiento, el procesamiento y la adaptación de la información.

“La principal ventaja de estos sistemas es que la computación emerge directamente de las propiedades físicas y dinámicas del dispositivo. En lugar de separar memoria y procesamiento, como ocurre en los ordenadores tradicionales, los osciladores integran almacenamiento, procesamiento y adaptación en un mismo elemento físico”, explica el Prof. Juan Bisquert, investigador distinguido de la UPV y líder del grupo PROFUND en el ITQ (CSIC-UPV).

Esta ventaja se traduce en una reducción del consumo energético, una disminución de la complejidad de los circuitos y en un aumento de la eficiencia en tareas cognitivas.

 

ERC Advanced Grant PeroSpiker

Este trabajo está asociado al proyecto ERC Advanced Grant PeroSpiker (Grant Agreement No. 101097688), cuyo objetivo es establecer los principios físicos y dinámicos que permiten a los materiales y dispositivos iónico-electrónicos exhibir funcionalidades inspiradas en las neuronas, como excitabilidad, spiking, oscilaciones, adaptación y memoria.

El trabajo ha sido realizado por Gonzalo Rivera-Sierra, Roberto Fenollosa y Juan Bisquert en el Instituto de Tecnología Química (ITQ CSIC-UPV).