EEUU obra el milagro: crea un almacenamiento con perovskita para que la IA consuma 100 veces menos energía

Un equipo de la Universidad de Penn State ha desarrollado un dispositivo de almacenamiento que combina perovskita cristalina con ADN sintético para fabricar un nuevo tipo de memoria capaz de consumir cien veces menos energía que las tecnologías convencionales. El trabajo se publicó en la revista Advanced Functional Materials y su patente ya está en trámite.

El dispositivo recibe el nombre de memristor biohíbrido. A diferencia de las memorias flash o las RAM actuales, retiene la información sin necesidad de suministro eléctrico constante y procesa los datos en el mismo lugar donde los almacena, igual que lo hace una neurona del cerebro humano.

La perovskita y el ADN sintético: la combinación que recorta el consumo de IA

Los investigadores Kavya S. Keremane y Bed Poudel resolvieron uno de los grandes obstáculos de la bioelectrónica: hacer que la biología y la electrónica hablen el mismo idioma.

El ADN sintético tiene una densidad de almacenamiento sin parangón (un solo gramo puede contener alrededor de 215 millones de gigabytes), pero es biología pura, y los chips funcionan con corriente eléctrica.

Desde luego, la solución fue dopar ese ADN sintético con nanopartículas de plata, alineadas a lo largo de la estructura helicoidal. Así, la molécula se convierte en un conductor eléctrico estable sin perder su enorme capacidad de almacenamiento.

Sobre ese conductor actúa la perovskita cristalina, el mismo semiconductor que ya ha revolucionado las células solares de última generación, aquí actuando como puente que regula el flujo de carga.

El resultado es un memristor que opera a voltajes ultrabajos, por debajo de 0,1 voltios, aguanta temperaturas de hasta 121 °C y mantiene estabilidad durante más de seis semanas a temperatura ambiente. Frente a una memoria flash o una RAM convencional, el ahorro energético supera el 99%.

¿Qué es un «memristor» y por qué imita al cerebro?

El término memristor une las palabras memory (memoria) y resistor (resistencia). Es un componente electrónico que recuerda el estado en el que quedó la última vez que pasó corriente por él, incluso cuando se corta la alimentación. Eso lo convierte en candidato natural para reemplazar las memorias volátiles de los sistemas de inteligencia artificial.

Lo que lo hace especialmente interesante para la IA es su forma de procesar datos: en lugar de trasladar información desde el almacenamiento hasta el procesador y de vuelta, computa directamente donde almacena.

Esto elimina uno de los principales embotellamientos energéticos de la arquitectura informática actual, conocido en la industria como el cuello de botella de Von Neumann.

Tengamos presente que la computación neuromórfica (sistemas que replican el modo de operar del cerebro) lleva años buscando exactamente esto. El cerebro humano realiza operaciones complejas con apenas 20 vatios.

En este mismo sentido, los grandes modelos de lenguaje, como los que hay detrás de ChatGPT o Gemini, consumen megavatios. El memristor bio-híbrido de Penn State apunta directamente a esa brecha.

La trayectoria de la perovskita: del panel solar a la memoria del futuro

La perovskita lleva años en el foco de la industria fotovoltaica. Empresas como Oxford PV ya comercializan células tándem de silicio y perovskita con eficiencias certificadas superiores al 27%, apuntando a un techo teórico del 40%. El trabajo de Penn State abre ahora una segunda vida para este material en la electrónica de almacenamiento.

El mismo equipo tiene en marcha investigaciones paralelas sobre aleaciones poliméricas que cuadruplican la energía almacenada en condensadores y resisten hasta 250 °C, lo que dibuja una agenda coherente.

¿Y qué sería una agenda coherente? Pues, materiales de nueva generación orientados a una electrónica más compacta y eficiente para la era de la inteligencia artificial.

En lo que respecta a los plazos, los autores aclaran que el dispositivo es un avance de laboratorio. El camino desde una publicación en Advanced Functional Materials hasta una memoria en un servidor de producción implica años de escalado fabril, integración con arquitecturas existentes y pruebas de fiabilidad a largo plazo.

La comercialización, según los propios especialistas del sector, rara vez llega antes de una década.

¿Por qué es importante para el sector de la IA que se dé este avance en el almacenamiento?

Entrenar un modelo de lenguaje de gran escala puede consumir tanta energía como cientos de hogares durante un año entero. Inferir en tiempo real, a escala global, multiplica esa demanda de forma exponencial.

Recordemos que los centros de datos ya superan el 1% del consumo eléctrico mundial, y proyecciones del sector apuntan a que esa cifra podría triplicarse antes de 2030 si no cambia el hardware que sostiene la IA.

Y en este panorama, la reducción del 99% en el consumo que promete el memristor biohíbrido de Penn State no es un detalle técnico menor. A escala de infraestructura, esa diferencia marca la frontera entre una IA sostenible y una que devora la red eléctrica. La patente de este avance está en trámite desde abril de 2026.