Un equipo internacional, liderado por la Universidad de Washington en St. Louis y la Universidad de Ciencia e Ingeniería de Bangalore (IISc), ha desarrollado una computadora neuromórfica capaz de resolver problemas de optimización complejos mediante una arquitectura inspirada en el cerebro y la física de túnel cuántico. La investigación, publicada en Nature Communications, presenta un sistema implementado en una placa FPGA que garantiza la convergencia hacia la solución óptima en problemas como el plegamiento de proteínas. Este avance es relevante porque enfrenta los límites de la Ley de Moore, que se basa en procesadores más rápidos. Mientras que las inteligencias artificiales actuales fallan en problemas combinatorios, esta máquina ofrece una alternativa fundamental al modo de computación tradicional. El estudio demuestra que un autoencoder neuromórfico con un 'annealer' de Fowler-Nordheim puede escalar y encontrar soluciones eficientes.
Computadora neuromórfica basada en túnel cuántico resuelve problemas complejos
