Computación
Ferroelectricidad incipiente: ¿Qué es y cómo podría cambiar la computación?
Transistores de bajo consumo
Computación se realiza mayormente con transistores de silicio. Son el componente esencial en la mayoría de los ordenadores actuales, pero también consumen mucha energía al operar.
Otro tipo de componente semiconductor es FET: transistor de efecto de campo. Este tipo de transistor utiliza un campo eléctrico para controlar la corriente a través de un semiconductor y consume mucho menos energía que un transistor de silicio. Actualmente, el transistor de efecto de campo más utilizado es el MOSFET (transistor de efecto de campo metal‑óxido‑semiconductor).
Científicos de la Universidad Estatal de Pensilvania y la Universidad de Minnesota están explorando una propiedad previamente pasada por alto de los FET: la ferroelectricidad incipiente.
La ferroelectricidad incipiente es la característica de una polarización temporal y dispersa, como si el material tuviera el potencial de volverse ferroeléctrico, pero necesita un pequeño empujón.
Esto podría ser muy útil para la computación neuromórfica, una técnica que intenta replicar el modo en que funciona el cerebro en lugar de usar métodos tradicionales de computación binaria. Tal método podría almacenar datos con mucho menos energía, además de manejar condiciones adversas como el espacio exterior.
Los investigadores publicaron sus resultados en Nature Communication, titulados “Multifuncionales FETs 2D que explotan la ferroelectricidad incipiente en nanomembranas de SrTiO3 auto‑soportadas a temperaturas subambientales”1.
¿Qué es la ferroelectricidad incipiente?
La ferroelectricidad es la característica de ciertos materiales que poseen una polarización eléctrica espontánea que puede invertirse mediante la aplicación de un campo eléctrico externo.
Esto se usa comúnmente para construir condensadores ferroeléctricos más pequeños en tamaño físico comparados con los condensadores dieléctricos. Es una característica física también utilizada para crear memorias RAM ferroeléctricas para ordenadores y tarjetas RFID.
La ferroelectricidad incipiente ocurre cuando la característica ferroeléctrica solo se manifiesta en condiciones específicas: puede retener una carga eléctrica pero necesita ciertas condiciones para lograrla.
“La ferroelectricidad incipiente significa que no hay un orden ferroeléctrico estable a temperatura ambiente. En su lugar, existen pequeños y dispersos grupos de dominios polares. Es una estructura más flexible comparada con los materiales ferroeléctricos tradicionales.”
Dipanjan Sen – Candidato a doctorado en ingeniería científica y mecánica
Usualmente, esta característica se ha considerado una limitación para un material, no una ventaja, ya que puede conducir a una retención de memoria corta en estos transistores.
Esto cambió cuando el equipo de investigadores descubrió que la ferroelectricidad incipiente se volvía menos incipiente y más tradicional a temperaturas más frías.
Uso de la ferroelectricidad incipiente
La naturaleza más flexible de la ferroelectricidad incipiente sería un problema para los métodos de computación tradicionales. Pero esto puede convertirse en una ventaja.
“En condiciones criogénicas, este material mostró un comportamiento similar al ferroeléctrico tradicional adecuado para aplicaciones de memoria. Pero a temperatura ambiente, esta propiedad se comportó de manera diferente. Presentaba una naturaleza relajadora: una respuesta de polarización más desordenada y de corto alcance.”
La ferroelectricidad incipiente puede usarse para crear sistemas de computación similares a neuronas, llamados ordenadores neuromórficos.
Estos sistemas imitan cómo el cerebro humano procesa la información usando neuronas y utilizan mucho menos energía que los ordenadores tradicionales. Al igual que nuestro cerebro, ahorran energía al usar potencia solo cuando es necesario, como encender y apagar una luz, en lugar de permanecer encendidos todo el tiempo como los ordenadores tradicionales.
Para aprovechar esto en aplicaciones útiles, se necesitó construir FETs con comportamientos de ferroelectricidad incipiente mejorados.
FETs ferroeléctricos incipientes
Titanato de estroncio
Esta fue la tarea de los investigadores de la Universidad de Minnesota, quienes desarrollaron los FETs depositando una capa de átomos sobre un sustrato para formar una película delgada. Estas películas, hechas de titanato de estroncio (STO), se combinaron luego con disulfuro de molibdeno, un material bidimensional.
Fuente: Nature Communication
Normalmente, el titanato de estroncio es típicamente no ferroeléctrico, lo que significa que no posee un campo eléctrico permanente.
Pero a temperaturas muy bajas, exhibe un comportamiento similar al ferroeléctrico. Las películas delgadas de titanato de estroncio también son un material perovskita.
“Nos sorprendió ver que estos materiales perovskita tan conocidos pudieran exhibir propiedades ferroeléctricas exóticas a nivel de dispositivo.
No era algo que esperáramos, pero una vez que comenzamos a fabricar los dispositivos, observamos comportamientos que realmente podrían redefinir la electrónica avanzada.”
Los materiales perovskita tienen un tipo específico de estructura cristalina, que se usan para producir paneles solares, pero podrían también ser clave en el desarrollo de la computación fotónica.
FETs
Usando películas delgadas de titanato de estroncio, los investigadores construyeron tres neuronas artificiales y las usaron para realizar una tarea de clasificación usando una cuadrícula de imágenes de tres por tres píxeles, como prueba de concepto.
Fuente: Nature Communication
Los dispositivos pudieron clasificar cada imagen en diferentes categorías. Este método de aprendizaje podría eventualmente usarse para la identificación y clasificación de imágenes o el reconocimiento de patrones. Lo importante es que funciona a temperatura ambiente, reduciendo los costos de energía.
Mayukh Das – Candidato a doctorado en ingeniería científica y mecánica
Estas neuronas artificiales basadas en FETs, que utilizan la ferroelectricidad incipiente, podrían crear un sistema de computación de bajo costo y eficiente que use mucho menos energía.
Esto se une a otras nuevas aplicaciones de los FETs para sistemas de computación avanzados, notablemente el Ferroelectric High Electron Mobility Transistor (FeHEMT) para dispositivos de comunicación de próxima generación.
Aplicaciones futuras
Esto sigue siendo, por ahora, un dispositivo muy experimental, explorando las posibilidades de una nueva aplicación para la ferroelectricidad incipiente.
Probablemente tendrá la aplicación más importante en aplicaciones de IA, ya que los LLM y otros sistemas de IA requieren una enorme memoria para almacenar todos los datos necesarios, lo que consume mucha energía.
Algunas mejoras en la arquitectura de redes neuronales y software, como DeepSeek, pueden ayudar. En última instancia, se necesitará un nuevo tipo de hardware más adecuado para cumplir con los requisitos de IA y evitar que la industria de IA se convierta en uno de los mayores consumidores de energía del mundo.
“Perfeccionar estos materiales e integrarlos en dispositivos cotidianos como smartphones o portátiles llevará tiempo, así que hay mucho más por explorar.
Además, estamos examinando otros materiales, como el titanato de bario, para descubrir su potencial. Las oportunidades de crecimiento son inmensas, tanto en materiales como en aplicaciones de dispositivos.”
Dipanjan Sen – Candidato a doctorado en ingeniería científica y mecánica
Empresas de computación neuromórfica
1. Intel
(INTC )
Intel es un gigante en el sector de semiconductores y ha evolucionado a lo largo de los años de ser un fundador de la industria a un líder científico e innovador, perdiendo el puesto de mayor volumen de fabricación a empresas como TSMC de Taiwán.
Intel es líder en computación neuromórfica, en parte gracias a su chip Loihi 2.
Fuente: Intel
También creó la Intel Neuromorphic Research Community, que incluye a la Universidad Estatal de Pensilvania, participando en investigaciones recientes de dióxido de vanadio, así como a más de 75 otros grupos de investigación.
Fuente: Intel
Intel también está muy activo en imitar la percepción biológica replicando la forma en que funciona nuestro cerebro (una rama de la computación neuromórfica), algo que discutimos más a fondo en nuestro artículo “Chips olfativos biomiméticos: ¿Son la inteligencia artificial y los e-noses la próxima canaria en una mina de carbón?”.
En general, la investigación del Intel Lab está a la vanguardia de la innovación en semiconductores, incluyendo IA, computación cuántica, computación neuromórfica, etc.
Discutimos los avances de Intel en computación cuántica en nuestros artículos “The Current State of Quantum Computing” y en septiembre de 2024 “Stock Of The Week: Intel (INTC)”.
2. IBM
(IBM )
Otro pionero histórico en computación, semiconductores y diseño de chips, International Business Machines Corporation (IBM) también está investigando la computación neuromórfica.
Está desarrollando SyNAPSE: Computación neuro‑sináptica escalable y energéticamente eficiente, respaldada por la Defense Advanced Research Projects Agency (DARPA), para combinar “nanociencia, neurociencia y supercomputación para simular y emular las capacidades del cerebro en sensación, percepción, acción, interacción y cognición”.
También está a la vanguardia del desarrollo de computadoras cuánticas. Por ejemplo, desarrolló su computadora cuántica de 127 qubits “Eagle”, que fue seguida por un sistema de 433 qubits conocido como “Osprey” y el procesador cuántico superconductivo de 1.121 qubits llamado “Condor”.
Fuente: All About Circuits
Junto con Intel, IBM está entre las empresas que impulsan de manera más agresiva nuevas formas de tecnologías de computación, como la cuántica y la neuromórfica. Es probable que se beneficie de los avances en la comprensión de los materiales utilizados en los transistores neuromórficos.
Estudios citados:
1. Sen, D., Ravichandran, H., Das, M. et al. FETs 2D multifuncionales que explotan la ferroelectricidad incipiente en nanomembranas auto‑soportadas de SrTiO3 a temperaturas subambientales. Nat Commun 15, 10739 (2024). https://doi.org/10.1038/s41467-024-54231-z
