La startup Unconventional AI ha presentado Un-0, un generador de imágenes que utiliza una simulación de osciladores acoplados como motor de cómputo, en lugar de una red neuronal profunda convencional ejecutada en GPU. El modelo alcanza una puntuación FID de 6,74 en la tarea de generación condicional por clase sobre ImageNet 64×64, una calidad comparable a la de los métodos tradicionales de generación de imágenes en sus primeras publicaciones.
El sistema se inspira en los modelos de osciladores de Kuramoto, donde cada unidad gira a una frecuencia propia y es empujada por el resto del sistema mediante una matriz de acoplamiento aprendida. Un segundo grupo de osciladores introduce la etiqueta de clase —por ejemplo, «daisy» o «volcano»— que condiciona la población principal. Tras dejar evolucionar el sistema desde un estado inicial aleatorio, las fases finales se decodifican en una imagen.
La compañía enmarca Un-0 como una prueba de concepto de la llamada «computación física», una línea que busca ejecutar cargas de IA en sustratos analógicos o neuromórficos con un consumo estimado hasta 1.000 veces menor que el hardware actual. Para facilitar la investigación, Unconventional AI ha publicado en abierto los pesos del modelo, junto con el código de entrenamiento, evaluación y ablación.