🎲 Que el auge de la inteligencia artificial tiene un problema de consumo eléctrico no es ninguna novedad. Lo curioso es la salida que persigue un laboratorio: en lugar de combatir el azar que aparece dentro de un chip, quiere usarlo como combustible. Un equipo de Japón y Estados Unidos acaba de fabricar, por primera vez, un "bit probabilístico" (bit-P) que funciona, y lo ha hecho con los mismos procesos industriales que producen los chips de cualquier ordenador. Sin superconductores. Sin un refrigerador gigante. Solo un diminuto imán incapaz de decidirse.

Un bit que no para de lanzar una moneda

El bit de un ordenador común se queda fijo en 0 o en 1. El cúbit de un ordenador cuántico vive en una superposición de ambos. El bit-P hace otra cosa distinta: salta entre 0 y 1 por su cuenta, muchas veces por segundo, como una moneda que se lanza una y otra vez.

La clave está en que esa moneda se puede cargar. Moviendo un poco el voltaje de entrada se decide con qué frecuencia cae en 1 y con cuál en 0. Si se conectan muchas de esas monedas sesgadas y se las deja asentarse, la red entera se desliza hacia las respuestas de cierto tipo de problemas difíciles: optimización combinatoria (rutas de reparto, turnos de trabajo, el clásico problema del viajante), inferencia probabilística y el muestreo del que depende el aprendizaje automático. Según la Universidad de Tohoku, en esos problemas una máquina así puede explorar enormes cantidades de estados candidatos varios órdenes de magnitud más rápido que el hardware de propósito general, como las GPU.

Primo del ordenador cuántico, no su copia

Tanto los ordenadores probabilísticos como los cuánticos se presentan como máquinas de "nuevo concepto", más allá del ordenador digital de cada día, y los nombres se parecen a propósito: bit-P nació como un juego con la palabra cúbit. Pero Tohoku insiste en que son cosas distintas en lo esencial. Un cúbit mantiene una superposición real de 0 y 1 y puede entrelazarse con otros. Un bit-P no hace ni lo uno ni lo otro. Es un dispositivo clásico que, sencillamente, fluctúa muy rápido.

Esa diferencia es además su mayor ventaja práctica. Las máquinas cuánticas más avanzadas de hoy necesitan enfriarse hasta cerca del cero absoluto dentro de refrigeradores de dilución. Los bits-P de espintrónica funcionan a temperatura ambiente y se pueden fabricar en las mismas líneas de silicio que ya producen memorias y chips lógicos. La celda básica de un bit-P se parece incluso a la estructura de un transistor más una unión magnética que se usa en las memorias MRAM comerciales, con un solo cambio: el imán se fabrica inestable a propósito para que oscile.

La idea viene de lejos. Tohoku recuerda una conferencia de Richard Feynman de 1981, más conocida por haber impulsado la computación cuántica, en la que también planteó usar procesos probabilísticos para calcular de forma eficiente. El bit-P moderno lo formalizaron en 2017 Kerem Camsari, Supriyo Datta y sus colaboradores. Y en 2019, un equipo de Tohoku y la Universidad Purdue, con algunos de los mismos investigadores de Tohoku que firman ahora el nuevo trabajo, montó un ordenador probabilístico de 8 bits capaz de factorizar números pequeños, conectando con cables los dispositivos de espín a un microcontrolador.

Grabar la oscilación sobre el silicio

Esos cables eran justamente el cuello de botella. Para servir en cargas de trabajo reales, un ordenador probabilístico no necesita un puñado de bits, sino miles y, con el tiempo, millones. Eso obliga a abandonar el montaje artesanal de laboratorio e imprimir los dispositivos de espín y su circuitería de control juntos en un mismo chip.

Eso es lo que demuestra el nuevo trabajo. El equipo, dirigido por Shunsuke Fukami, del Instituto de Investigación de Comunicación Eléctrica de Tohoku, y William Borders, del Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST), combinó pasos de fabricación japoneses y estadounidenses. Los transistores y el cableado inferior se hicieron con el proceso CMOS de 130 nanómetros de SkyWater Technology, en Estados Unidos; el elemento de espín diseñado para fluctuar y el cableado superior se añadieron en la instalación Nano-Spin de Tohoku.

Después comprobaron que el circuito se comportaba como debe hacerlo un bit-P. Importaban dos cosas: que el voltaje de salida fluctúe de verdad con el tiempo y que su promedio temporal se pueda subir o bajar con el voltaje de entrada. Ambas se cumplieron. Según el equipo, es la primera demostración registrada de un bit-P de espintrónica fabricado sobre un único sustrato mediante un proceso de integración de semiconductores. El resultado se publicó en IEEE Electron Device Letters a finales de mayo de 2026.

La promesa y el punto exacto en que está

Aquí conviene la prudencia. Es tentador archivar esto como "la respuesta a la crisis energética de la IA", y el marco energético es real. La Agencia Internacional de la Energía (AIE) calcula que el consumo eléctrico de los centros de datos rondó los 415 teravatios-hora en 2024, alrededor del 1,5 % de la demanda mundial, y que en 2026 podría acercarse a los 1.050 TWh; la electricidad de los centros de datos dedicados a la IA creció en torno a un 50 % en 2025. Si los centros de datos fueran un país, señala la AIE, estarían entre los mayores consumidores de electricidad del mundo. Un hardware que resuelva problemas de optimización y muestreo gastando poca energía es justo lo que ese panorama reclama.

Pero lo que hay hoy es un único bit-P, demostrado a nivel de dispositivo. Es la prueba de que existe el camino de fabricación, no un producto. Tohoku lo dice sin adornos: el logro pone al alcance la ampliación hacia el millón de bits, y la siguiente tarea es desarrollar la tecnología de dispositivos y circuitos para llegar de verdad hasta ahí. Son años de trabajo, no una fecha de lanzamiento.

Aun así, hay algo silenciosamente radical en todo esto. Durante setenta años, la informática ha sido una campaña para erradicar la incertidumbre, para que cada bit conserve su valor a la perfección. Esta apuesta va en sentido contrario: quizá las próximas mejoras no lleguen de sofocar la oscilación de nuestras máquinas, sino de aprender a apuntarla. ¿Cómo se habla del coste energético de la IA en tu país: como un problema que sortear con ingeniería o como un motivo para repensar la forma misma de calcular?

Referencias