Los circuitos integrados son el corazón de la electrónica moderna: permiten procesar información, amplificar señales o detectar fenómenos físicos extremadamente débiles. A pesar de ello, su diseño suele ser mucho más complejo de lo que podría parecer a primera vista.  De hecho, durante mucho tiempo se ha dicho que su diseño tiene algo de arte, donde la intuición y la experiencia del profesional son fundamentales.

No obstante, a medida que los sistemas electrónicos se vuelven más complejos, también aumenta la necesidad de hacer el proceso de diseño más estructurado y reproducible. En algunas áreas de la electrónica, como el diseño digital (el encargado de crear los procesadores que se incorporan a una computadora), gran parte del proceso está hoy altamente automatizado. Sin embargo, en el caso de los circuitos integrados analógicos (diseñados para captar o emitir señales directamente desde el mundo real, como los presentes en sensores, sistemas de instrumentación o comunicaciones), el proceso es bastante diferente: aunque existen herramientas de diseño muy avanzadas que automatizan parte del proceso, una parte importante del trabajo sigue siendo manual y requiere generalmente múltiples iteraciones de ajuste.

Esto quiere decir que, en la práctica, diseñar un circuito suele implicar proponer una solución inicial, simular su comportamiento, modificar los parámetros necesarios y repetir el proceso varias veces hasta alcanzar un resultado satisfactorio. Este enfoque ha permitido desarrollar muchos de los circuitos más sofisticados de la electrónica moderna. No obstante, tiene una limitación evidente: puede llegar a consumir mucho tiempo y depende en gran medida de la experiencia acumulada de quien diseña.

Diseñar cuando no hay una única solución posible

Una de las razones por las que el diseño de circuitos integrados analógicos (y, más aún, el de los circuitos de radiofrecuencia) resulta tan complejo es que rara vez existe una única solución valida.

Cuando se diseña un circuito integrado hay que cumplir simultáneamente muchos objetivos: reducir el consumo de energía, minimizar el ruido, mantener la estabilidad, alcanzar cierta ganancia o velocidad… y, al mismo tiempo, respetar restricciones tecnológicas y de área. El problema es que estos objetivos suelen entrar en conflicto entre sí, por lo que mejorar una característica suele empeorar otra. Por ejemplo, reducir el consumo puede empeorar el ruido.

Por esta razón, quien diseña no busca una única solución perfecta. En realidad, lo que suele existir es un conjunto de soluciones posibles, cada una con sus ventajas e inconvenientes. Elegir entre ellas forma parte esencial del proceso de diseño.

Ajustar los “ingredientes” de un circuito

Una forma útil de entender este problema es pensar en una receta de cocina.

Imaginemos que queremos preparar un plato con un sabor y una textura determinados. Aunque exista una receta concreta, en realidad es posible llegar a un resultado muy parecido utilizando combinaciones diferentes de ingredientes o ajustando ligeramente sus cantidades. Dos personas pueden seguir caminos distintos y, aun así, obtener platos con un sabor muy similar.

En el diseño de circuitos analógicos ocurre algo parecido. Se pueden modificar parámetros como las características de los transistores, su consumo de energía o los valores de otros componentes. Cada combinación produce un circuito diferente, pero muchas de ellas pueden presentar las mismas características finales, como el consumo de energía total del circuito.

A este conjunto de posibles combinaciones se le suele llamar espacio de diseño. El reto consiste en encontrar, dentro de ese enorme conjunto de posibilidades, aquellas configuraciones que permiten obtener el resultado final deseado. Sin embargo, explorar todas esas combinaciones mediante simulaciones puede requerir mucho tiempo.

Hacia metodologías de diseño más sistemáticas

Durante décadas, los ingenieros han explorado este espacio apoyándose principalmente en su experiencia y en sucesivos ajustes hasta conseguir el diseño deseado. Afortunadamente, en los últimos años han surgido distintas líneas de investigación que intentan mejorar este proceso.

Por ejemplo, en lugar de comenzar cada diseño desde cero, se pueden caracterizar previamente ciertos bloques o configuraciones de circuito y utilizar esa información para construir sistemas más complejos. La idea es desarrollar metodologías que permitan explorar el espacio de diseño de forma más estructurada, organizando la información disponible sobre los circuitos de manera que sea posible identificar con mayor rapidez las regiones más prometedoras.

Este tipo de enfoques ayuda a comprender mejor cómo se relacionan entre sí los distintos parámetros del circuito y reduce el número de iteraciones necesarias durante el proceso de diseño.

El objetivo último es transformar parte del diseño analógico en una exploración guiada del espacio de soluciones, en lugar de depender exclusivamente del ensayo y error.

Un reto con impacto industrial

Este desafío no es solo una cuestión académica. Tiene también una dimensión claramente industrial. La industria de los semiconductores se enfrenta hoy a una creciente complejidad de los sistemas electrónicos, mientras que los ciclos de desarrollo de nuevos productos son cada vez más cortos.

Diseñar un circuito integrado puede requerir semanas o incluso meses de ajustes y simulaciones. Encontrar metodologías que permitan explorar el espacio de diseño de forma más eficiente puede ayudar a reducir tiempos de desarrollo y costes, y a mejorar la productividad de los equipos de ingeniería.

Por esta razón, muchas líneas de investigación actuales buscan hacer más sistemático el proceso de diseño de circuitos integrados. En este contexto empiezan también a aparecer herramientas basadas en inteligencia artificial, que pueden analizar grandes cantidades de resultados de simulación y aprender a reconocer qué combinaciones de parámetros tienen más probabilidades de funcionar bien. Es decir, que actúan como un asistente que ayuda a explorar el espacio de diseño con mayor rapidez y a identificar soluciones prometedoras que de otro modo podrían pasar desapercibidas.

De hecho, parte de la investigación actual, incluyendo la que actualmente realizamos en el IMSE-CNM, intenta precisamente avanzar en esa dirección: comprender mejor cómo transformar el conocimiento acumulado por quienes diseñan en metodologías que permitan diseñar circuitos complejos de forma más eficiente. No se trata de sustituir al ser humano por una herramienta automática, sino de dotarlo de mejores instrumentos para enfrentarse a un problema que, en el fondo, consiste en tomar decisiones entre múltiples soluciones posibles.

Y es que, si bien el diseño analógico siempre tendrá algo de arte, en él la intuición y la experiencia siguen siendo fundamentales en un mundo cada vez más dependiente delos circuitos integrados, aprender a evaluar eficientemente ese espacio de posibilidades puede ser una de las claves para diseñar los circuitos integrados del futuro, haciendo el proceso más estructurado y reproducible.

Coordinación y edición: Adelina Pastor, Delegación del CSIC en Andalucía

Hasta ahora, desde los ordenadores que usamos todos los días, desde los Smart watches, móviles, tablets, o portátiles hasta aquellos que controlaban la sonda Curiosity de Marte, están formados, básicamente, por los mismos bloques básicos: uno que podemos pensar como la “inteligencia” del ordenador y, otro, que guarda los datos procesados, al que normalmente llamamos “memoria”.  Esta forma convencional de concebir los ordenadores se denomina arquitectura Von-Neumann, en honor al matemático húngaro, John Von Neumann que la concibió. 

Pero, las aplicaciones electrónicas que comenzarán a dominar el mercado en el futuro serán difíciles de implementar si solo se utiliza la arquitectura Von Neumann y solo se reduce el escalado de la tecnología CMOS utilizada actualmente para fabricar los chips que componen estos ordenadores. En particular, estas soluciones tienen una baja eficiencia energética, son lentos y de gran tamaño, así como muy complejos.  Es aquí donde es fundamental aplicar nuevos paradigmas de computación no-Von-Neumann, como es la llamada computación neuromórfica.  Además, si unimos esto al uso de dispositivos microelectrónicos novedosos, nos permitirá hacer frente a los nuevos retos computacionales en el futuro.

Pero, ¿qué es la computación neuromórfica? En ella, el ordenador imita el modo en que el cerebro procesa y almacena la información logrando una eficiencia energética y velocidad mucho mayores a la computación convencional. Desde hace unos años, investigadores alrededor del mundo están trabajando para llevarlo a la realidad.

Pero podríamos preguntarnos ¿por qué no seguir trabajando como hasta ahora, donde todo parece funcionar bien? La respuesta es que ¡las neuronas biológicas son fantásticas! Procesan los datos y luego los guardan en su estructura, por lo que imitarlas nos permite ahorrar el tiempo y la energía, en comparación con la computación convencional, donde es necesarios trasladar los resultados procesados a un bloque externo de memoria. Y es que todo se realiza simultáneamente en una neurona. Además, éstas solo se activan cuando son necesarias, mientras que los ordenadores de hoy en día realizan sus tareas siempre a la misma velocidad, gastando mucha más energía.

Un sistema neuromórfico escalable y energéticamente eficiente

Las neuronas no están solas. Están altamente interconectadas con otras neuronas a través de lo que llamamos sinapsis, formando una red neuronal muy compleja. Si pensamos en las neuronas como mini-procesadores, la sinapsis serían mini-memorias programables, que usan mensajes muy simples (oscilaciones o pulsos) para enviar la información. Tal y como sucede en nuestro cerebro, estos mensajes son desencadenados sólo cuando una carga eléctrica alcanza un valor específico dentro de la neurona.

La siguiente pregunta sería, ¿cómo implementar estos sistemas neuromórficos? Con las tecnologías actuales, estos sistemas son extremadamente ineficientes. Y se sabe que, en los próximos años, las unidades más pequeñas que están formados los chips, los transistores, llegarán a un límite y no podrán reducirse más. Dentro de las posibles soluciones que se bajaran es utilizar dispositivos micro electrónicos extremadamente novedosos que, intrínsecamente, emulen las características de las neuronas y de las sinapsis. Para las sinapsis se utilizan unos dispositivos llamados memristores, a los que se les puede programar el valor de su propiedad eléctrica fundamental, la resistencia. De igual forma, las neuronas “artificiales” pueden implementarse utilizando unos nano-osciladores, fabricados usando uniones magnéticas de efecto túnel. Estos nano-osciladores trabajan a altísimas frecuencias y su oscilación significa que esta neurona “artificial” está activa. Pero ahora surge el siguiente problema: ¿cómo detectar estas oscilaciones? Esto es extremadamente difícil puesto que son muy pequeñas y su frecuencia es altísima, del orden de giga hercios.

El proyecto europeo SPINAGE, en cual participa nuestro grupo de investigación del CSIC “Neuromorphs” (perteneciente al Instituto de Microelectrónica de Sevilla, IMSE-CNM) está mejorando los sistemas neuromórficos actuales logrando la convergencia de estas tecnologías no convencionales y la electrónica, en un sistema neuromórfico escalable y energéticamente eficiente, así como mejorar el co-diseño de todo el sistema.  En este proyecto ya se han logrado realizar pequeñas redes neuronales formadas por nano-osciladores y memristores. 

El IMSE-CNM participa en este proyecto donde diseña la interfaz que detecta las oscilaciones de los nano-osciladores de tipo spin-Hall (diseñados por la empresa NanOsc de Suecia, socio del proyecto SPINAGE). Nuestra contribución científica se centra en realizar esta detección sacando provecho de la altísima velocidad a la que ellas trabajan limitando al máximo la energía consumida para esta detección.