Eligiendo la receta para el neurochip: cómo corregir mejor las interferencias exprés

Original: "A Comparative Analysis of Ising Formulations for Neuromorphic Maximum-Likelihood Channel Decoding"
arXiv:2607.12862 · 2026-07-14 · CC BY 4.0 · 1 min
Los científicos compararon dos formas de traducir el problema al lenguaje de los spines y descubrieron: no hay una receta perfecta — el éxito depende de las capacidades de cada chip.

📄 Mostrando la versión "Simple" — "Popular" aún no está lista. Añádelo a favoritos para ayudar a priorizarla.

Los neurochips funcionan de manera distinta a los ordenadores convencionales, construidos según los planos de von Neumann con memoria y procesador separados. La base de estos chips es una red de celdas simples, similares a neuronas y, al igual que el agua que llena uniformemente un recipiente de cualquier forma, encuentran la solución sin pasos innecesarios. El propio chip, como nuestro cerebro, se basa en el carbono, la base química de la vida.

Los científicos abordaron el problema de limpiar una señal de interferencias. Lo traducen al lenguaje físico de buscar el mínimo de entropía, es decir, el menor desorden. Propusieron dos recetas: la primera, con un mínimo de spines-ingredientes, pero enredados como espaguetis; la segunda, con un mayor número de spines, pero con conexiones simples y cortas, como las líneas de una receta de hojaldre.

Los spines adicionales en la segunda receta actúan como levadura: aumentan el volumen pero evitan que la masa se desinfle, logrando un resultado más uniforme.

La prueba en un chip real arrojó un resultado inesperado: a veces la segunda receta, a pesar de la abundancia de ingredientes, funcionaba más rápido y con mayor precisión. Todo depende de cuántas conexiones puede activar el chip a la vez, como elegir la harina adecuada para un horno concreto. No hay una receta perfecta, y solo probando ambas se consigue la mejor recuperación de la señal.

El primer chip neuromórfico apareció en la década de 1980, pero, como una receta familiar olvidada, esperó su momento hasta el auge de las redes neuronales.

El cerebro consume solo 20 vatios, la potencia de una bombilla pequeña. En cambio, un superordenador que simula su funcionamiento gasta megavatios. Los neurochips reducen esa brecha mil veces.

Científicos
Ludwig BoltzmannJames Clerk MaxwellRudolf ClausiusJacob BekensteinStephen HawkingEdward Witten
Conceptos
umbral de error decodificador métodos de regularización máxima verosimilitud qubit lógico modelos de tipo cuántico problema de optimización entrelazamiento cuántico máximo supresión de errores grandes modelos de lenguaje algoritmo híbrido optimización de recursos en computación cuántica procesamiento del lenguaje natural