El presidente Donald Trump ha vuelto a lanzar una nueva amenaza arancelaria y esta vez le ha tocado a la industria tecnológica. El mandatario ha planteado un impuesto del 100% a todos los chips y semiconductores importados, que solo contemplaría excepciones para las empresas que se comprometan a “fabricar” en territorio estadounidense. El CEO de Apple, Tim Cook, estaba en el Despacho Oval cuando Trump ha hecho el anuncio. El fabricante del iPhone se ha comprometido a invertir otros 100.000 millones de dólares en Estados Unidos, y, según Trump, gracias a esto se librará de los nuevos gravámenes.

“Vamos a aplicar un impuesto muy alto a los chips y semiconductores. Pero la buena noticia para las compañías como Apple es que si están fabricando en Estados Unidos, o tienen el compromiso de hacerlo, sin ninguna duda, no habrá ningún cargo”, ha asegurado el mandatario. Los 100.000 millones anunciados este miércoles por Cook se suman a los otros 500.000 millones que prometió invertir en el país en febrero, a lo largo de cuatro años.

Asimismo, Trump ha advertido que “si por alguna razón dices que estás fabricando y no lo haces, entonces volvemos y lo sumamos, se acumula y te cobramos en una fecha posterior”. Como ya empieza a ser costumbre en la política comercial de esta nueva administración, no se han dado más detalles de ni cuántos chips o qué países se verían afectados por el nuevo impuesto.

Si se aplica la lógica que ha expuesto el presidente, es probable que el fabricante taiwanés TSMC también se libraría de los aranceles. En marzo anunció que su compromiso de invertir 100.000 millones de dólares en Estados Unidos, incluyendo la construcción de tres plantas en Arizona que ya han empezado. TSMC es el principal proveedor de chips de las empresas estadounidenses.

Sin siquiera ser un anuncio formal, otras compañías como Samsung y SK Hynix ya han reaccionado. Según Reuters, el enviado comercial de Corea del Sur, Yeo Han-koo, ha dicho que Samsung y SK Hynix no estarán sujetos a los aranceles del 100% sobre los chips.

El anuncio, que se ha producido justo antes de la entrada en vigor los aranceles globales, aumenta la presión sobre las compañías estadounidenses que dependen de las importaciones de chips desde Asia para que empiecen a mover su fabricación hacia Estados Unidos. Trump cree en la mano dura como incentivo suficiente para que las empresas se trasladen a su país, a riesgo de que aumente el precio de los móviles, televisiones y similares. Algo que, en última instancia, repercutirá en toda la ciudadanía, incluso aquellos que votaron por el republicano creyendo en la promesa de que bajaría el coste de vida.

A pesar de que Trump ha dado por bueno el simple compromiso de invertir a futuro, la aplicación de un arancel del 100% acabará repercutiendo en un aumento del precio de la electrónica. Cuando en la pandemia se produjo la escasez de chips, el precio de los coches aumentó, además de que también lo hizo la inflación.

La amenaza de un arancel del 100% a las importaciones de los chips llega después de que Trump haya duplicado los aranceles a la India. Este miércoles, el presidente ha firmado una orden ejecutiva en la que aplica un 25% adicional de impuestos al país de Narendra Modi como castigo por seguir comprando petróleo ruso. Este nuevo impuesto eleva al 50% los aranceles a Nueva Delhi, aunque no se hará efectivo hasta dentro de 21 días.

Trump no ha descartado que China pueda enfrentarse a un panorama similar si también continúa comprando crudo a Moscú. “Podría pasar, depende de cómo, podría pasar”, ha dicho.

Las condiciones térmicas en las que se usan los dispositivos electrónicos aceleran los procesos de degradación interna de los componentes electrónicos, reduciendo su fiabilidad y acortando su vida útil. Este fenómeno, conocido como envejecimiento acelerado, está directamente relacionado con los mecanismos físicos que tienen lugar dentro de los chips cuando operan bajo estrés térmico. Los circuitos se calientan de forma natural, debido al efecto Joule, un proceso que se ve agravado si la temperatura ambiental es alta. Esto obliga a que la refrigeración sea un aspecto fundamental de cualquier dispositivo electrónico, especialmente en aquellos más potentes como los ordenadores personales o las videoconsolas.

Específicamente, las altas temperaturas hacen que los transistores, el bloque fundamental de los circuitos electrónicos, sean más lentos. Imaginemos que un transistor es como una gran autopista por la que circulan millones de coches. Esos coches representan a los electrones, que llevan la corriente eléctrica de un punto a otro, haciendo que todo funcione. Al principio, la autopista es nueva: el asfalto está liso, bien señalizado, no hay baches ni obstáculos. Los coches (los electrones) pueden circular rápido, de forma ordenada, sin problemas. Pero, con el tiempo, esa autopista se va desgastando. Aparecen grietas en el pavimento, zonas con baches, la pintura de las señales se borra. Y en determinadas condiciones como cuando hace mucho calor ese desgaste ocurre más rápido.

Cuando sube la temperatura, los átomos del material del chip (el “asfalto” de nuestra autopista) empiezan a vibrar con más energía. Esas vibraciones son como pequeños terremotos que sacuden el camino de los electrones. Como consecuencia, los electrones chocan más con esos átomos, se desvían de su trayectoria, y en algunos casos incluso dañan permanentemente el material, como si un coche, al chocar muchas veces, dejara marcas o hiciera agujeros en la carretera. Además, en ciertas zonas de los transistores, el calor puede dejar huecos o acumulaciones de cargas que empeoran aún más el tráfico. Esto se traduce en que, con el tiempo, los electrones pasan cada vez más lentos, hasta que llega un punto en el que no llegan a tiempo a dónde deben estar y el circuito falla.

Para evitar estos problemas, es fundamental entender a fondo los procesos físicos que causan este envejecimiento. De este modo, podemos anticipar la degradación que va a sufrir el circuito, y ajustar el diseño de forma que su funcionamiento esté garantizado durante muchos años. El desafío es que un circuito tiene billones de transistores, el envejecimiento depende de qué transistores estén encendidos y es muy difícil hacer los cálculos para simular este envejecimiento de forma precisa y rápida.

Esto supone un desafío de gran importancia para la industria de los semiconductores, ya que los circuitos deben operar de forma rápida y fiable en condiciones de altas temperaturas como en los automóviles. El envejecimiento de circuitos se está convirtiendo también en un factor clave para la financiación de los centros de datos, que cada vez deben tener mayores prestaciones para suplir la demanda en computación requerida por la sociedad moderna, especialmente con el auge de las inteligencias artificiales. Adicionalmente, a medida que los transistores se hacen cada vez más pequeños, alcanzando escalas de apenas unos pocos nanómetros, los efectos del envejecimiento no solo se vuelven más pronunciados, sino también más difíciles de simular y predecir con precisión. Esto obliga a desarrollar herramientas más sofisticadas y eficientes que permitan anticipar estos efectos desde las etapas tempranas del diseño, garantizando así dispositivos más robustos, duraderos y sostenibles en un entorno tecnológico cada vez más exigente.

Al prolongar la vida útil de los dispositivos, se reduce la necesidad de reemplazos frecuentes, lo cual implica un ahorro significativo de recursos naturales, materias primas críticas y energía asociada a los procesos de fabricación

En este contexto, parte de nuestro trabajo en el Instituto de Microelectrónica de Sevilla ha consistido en desarrollar una metodología para hacer estos cálculos más rápidos matemáticamente, lo que se traduce en mayor velocidad de computación. Esto se logra mediante la compresión de la información requerida por los modelos de simulación. Gracias a esta compresión, los modelos complejos que antes tardaban horas o días en ejecutarse ahora pueden funcionar en mucho menos tiempo, y lo más importante, sin perder precisión. Esto hace posible aplicar modelos avanzados a diseños de circuitos grandes y reales, algo que antes era prácticamente inalcanzable por las limitaciones de tiempo y cálculo. En definitiva, nuestro método ayuda a predecir con mayor eficiencia cómo se comportarán los dispositivos electrónicos con el paso del tiempo, lo que es clave para hacerlos más fiables y duraderos.

Adicionalmente, hemos diseñado un chip que nos permite medir de forma directa el efecto de este envejecimiento en la velocidad de las puertas lógicas que forman un circuito. Ya que no vamos a medir durante años en el laboratorio, uso condiciones especialmente adversas (altas temperaturas y/o tensión) para emular años de operación en horas, usando el envejecimiento acelerado a nuestro favor. De este modo, podemos medir la velocidad de los electrones a medida que la “carretera” se va degradando, lo que nos aporta una información muy valiosa de cara a entender estos fenómenos a fondo.

Además del valor técnico y científico de este trabajo, cabe destacar su relevancia en el contexto de la sostenibilidad. Comprender y predecir con mayor precisión el desgaste de los circuitos electrónicos permite diseñar sistemas más duraderos y resistentes, lo que contribuye de forma directa a la lucha contra la obsolescencia prematura de los equipos electrónicos. Al prolongar la vida útil de los dispositivos, se reduce la necesidad de reemplazos frecuentes, lo cual implica un ahorro significativo de recursos naturales, materias primas críticas y energía asociada a los procesos de fabricación. Esta eficiencia redunda en un impacto ambiental positivo, haciendo que el diseño de microelectrónica más robusta sea un pilar esencial para la conservación del planeta y el avance hacia una electrónica más sostenible y responsable.

El diagnóstico precoz de malformaciones vasculares en niños de corta edad es crucial para que su tratamiento y evolución sean correctos. Su correcta clasificación no es baladí, incluso para los especialistas médicos. Junto a la inspección visual de las mismas por el dermatólogo, suelen realizarse pruebas diagnósticas complementarias de diverso tipo que permiten clasificarlas con seguridad. Estas pruebas suelen estudiar su flujo hemodinámico para determinar si son de alto o bajo flujo. En general, las malformaciones vasculares de bajo flujo no tienen un alto riesgo para la salud del paciente, mientras que las de alto flujo sí.

Las pruebas médicas clásicas para determinar si hay alto flujo en las anomalías vasculares suelen consistir en ecografías de tipo Doppler y en resonancias magnéticas. Ambas pruebas médicas requieren equipos costosos que manejan especialistas médicos distintos a los dermatólogos, no suelen estar inmediatamente disponibles y sus resultados tampoco. Por tanto, existe un retraso, que puede ser crítico, desde la primera visita al especialista médico hasta que se realiza el diagnóstico de la malformación.

Un indicador de la presencia de alto flujo en anomalías vasculares es el aumento local de su temperatura. Para hacer un diagnóstico basado en la temperatura corporal, se requieren instrumentos que permitan detectar variaciones térmicas con una buena resolución espacial. En ese sentido, las cámaras infrarrojas cumplen ese cometido. Son capaces de medir los niveles de radiación infrarroja que emitimos. Su valor depende de la temperatura a la que nos encontremos.

Ayuda al diagnóstico temprano

En muchos casos, las cámaras infrarrojas comerciales no están optimizadas para uso clínico. Su coste es aún elevado para que cada especialista pueda disponer de una en su consulta y además no permiten una análisis y almacenamiento de sus datos de forma sencilla. Tampoco son en muchos casos manejables ni tienen la suficiente autonomía para funcionar durante toda una sesión de consultas.

El área de Dermatología Infantil del Hospital Virgen de Rocío de Sevilla está desarrollando en colaboración con el Instituto de Microelectrónica de Sevilla un sistema de visión con cámaras infrarrojas de bajo coste. Estos han sido diseñados y optimizados para su uso clínico. Permiten tomar de forma instantánea imágenes termográficas, son portables, y además pueden capturar imágenes en el espectro visible, como hacen las cámaras convencionales.

Tras analizar durante un año diversos tipos de anomalías vasculares con el sistema desarrollado, hemos concluido que puede ser de gran ayuda al diagnóstico temprano de anomalías vasculares. Además, las imágenes termográficas permiten evaluar la correcta evolución del paciente tras varias sesiones de tratamiento. El objetivo final es dotar a las unidades de dermatología de una herramienta adicional que ayude al diagnóstico temprano de las malformaciones vasculares.

Cuando James Cameron en 1984 nos alertó sobre los riesgos de una futura rebelión de las máquinas dirigidas por la inteligencia artificial de Skynet, se estaba basando en cierto modo (consciente o inconscientemente) en conceptos como aprendizaje automático (más conocido como machine learning), propuesto por el informático Arthur Samuel en 1959. Mientras que el procesamiento tradicional se basa en seguir una serie de instrucciones estáticas (fijas) previamente programadas, los sistemas inteligentes se basan en algoritmos que se auto-modifican (o aprenden) de forma dinámica en función de la información que van recibiendo. Esta idea le sirvió a la ciencia-ficción para confundir la capacidad de auto-aprendizaje con la consciencia.

En las últimas décadas, la inteligencia artificial ha evolucionado dando lugar a diversos campos de investigación que incluyen, entre otras propuestas, las redes neuronales. Estas redes, inspiradas en las estructuras de procesamiento del cerebro humano, son especialmente apropiadas para aplicaciones como visión artificial, reconocimiento de voz, traducción automática o conducción autónoma.

En general, la información recibida por una red neuronal se propaga a través de una serie de capas de neuronas (donde cada neurona es una unidad básica de procesamiento) interconectadas entre sí y proporcionando un resultado final (o decisión) a la salida de la última capa. Cada interconexión entre dos neuronas de la red se caracteriza por un determinado peso que pondera la información que circula por ella (podemos entender el peso como un factor que multiplica la información que se transmite entre ambas neuronas), de forma que cuando la red modifica esos pesos siguiendo un cierto criterio decimos que está aprendiendo.

Aprendizaje supervisado o no supervisado

El aprendizaje se puede llevar a cabo de forma supervisada o no supervisada. En los algoritmos de entrenamiento supervisados, le proporcionamos a la red una serie de datos de entrenamiento junto con el resultado esperado tras procesarlos. De este modo, la red ajusta sus propios pesos para obtener dichos resultados. Sin embargo, en el aprendizaje no supervisado la propia red se auto-organiza a partir de los datos que recibe sin ninguna directriz externa, lo que resulta muy útil cuando queremos que la red resuelva problemas cuya solución desconocemos.

En el Grupo de Sistemas Neuromórficos del Instituto de Microelectrónica de Sevilla (IMSE) trabajamos en la implementación hardware de redes neuronales convolucionales (ConvNets) y en métodos de aprendizaje automático no supervisado para aplicaciones de reconocimiento de visión. Las ConvNets son un tipo particular de redes neuronales caracterizado por un conjunto reducido de conexiones entre capas de neuronas, lo cual facilita su implementación hardware.

Mientras que en una red genérica cada neurona de una capa se conecta con todas las neuronas de la capa siguiente, en una red convolucional cada neurona de una capa se conecta solamente a un subconjunto de neuronas de la siguiente capa mediante un campo proyectivo. Este comportamiento se puede describir mediante la operación matemática de la convolución.

En los próximos años, esperamos incrementar la capacidad de auto-aprendizaje de las redes neuronales artificiales de forma no supervisada, a partir únicamente de los estímulos recibidos, aunque todavía parece lejana aquella distopía en la que las máquinas tomen consciencia de sí mismas y traten de destruir el mundo. Por desgracia, en cuanto a la capacidad de destrucción del mundo tal y como lo conocemos, los humanos partimos de una posición bastante avanzada con respecto a las máquinas.

En la actualidad no es posible la recuperación motora en pacientes con enfermedades neurodegenerativas, como la esclerosis lateral amiotrófica (ELA), la esclerosis múltiple o la enfermedad de Parkinson, ni tampoco en pacientes con traumatismo grave por accidente cerebrovascular, parálisis cerebral o lesión en la médula espinal. Aunque se han propuesto nuevas estrategias de rehabilitación con resultados prometedores en ensayos controlados aleatorios, los métodos disponibles hoy día no logran restaurar la función motora normal en la mayoría de los pacientes. Por lo tanto, es importante desarrollar métodos alternativos más eficaces.

Recientemente se ha prestado atención al desarrollo de la tecnología de interfaz cerebro-máquina (BMI) para restaurar la función motora en personas con graves limitaciones de movimiento con vistas a mejorar su calidad de vida. Hay dos formas en que los sistemas BMI pueden facilitar dicha rehabilitación. La primera estrategia consiste en sustituir la pérdida de salidas neuromusculares normales haciendo que las personas puedan interactuar con su entorno mediante señales cerebrales. Así, por ejemplo, una persona podría usar señales electrofisiológicas como la actividad electroencefalográfica (EEG) o la actividad neuronal cortical para mover un cursor en una pantalla de ordenador, para controlar un brazo neuroprotésico o para restaurar el movimiento en extremidades mediante estimulación eléctrica funcional. El segundo uso de la tecnología BMI es más complejo y pretende restaurar la función motora influyendo en los procesos de plasticidad cerebral de acuerdo con la actividad deseada. En este caso el sistema BMI promovería un proceso de aprendizaje mediante el que las señales neuronales serían progresivamente más funcionales.

De acuerdo con lo anterior, los sistemas BMI permitirían una nueva forma de interacción en tiempo real entre el usuario y el mundo exterior. Las señales que indican la actividad cerebral del usuario se traducen en una salida. El usuario recibe retroalimentación de dicha salida, lo que a su vez afecta a su actividad cerebral e influye en la salida posterior. Por lo tanto, si una persona usa un BMI para controlar un brazo neuroprotésico, la posición del brazo después de cada movimiento influirá en la intención de la persona para el siguiente movimiento y afectará a las señales cerebrales que codifican dicha intención. Un sistema que simplemente registra y analiza las señales cerebrales y no proporciona los resultados del análisis al usuario de una manera interactiva en tiempo real no es un BMI.

Todo BMI consta de tres elementos principales, ilustrados en la Figura 1: una interfaz neuronal que captura la actividad cerebral del individuo, un decodificador que interpreta dicha actividad y un dispositivo convenientemente instrumentado que actúa de acuerdo con las instrucciones procedentes del decodificador.

Aunque, en principio, cualquier mecanismo para registrar señales cerebrales podría servir como interfaz neuronal en un sistema BMI, en la práctica, por motivos de coste y portabilidad, solo la medición de campos eléctricos y, potencialmente, la obtención de imágenes funcionales en el infrarrojo cercano (fNIR), resultan adecuadas para uso diario. Existen distintas modalidades de interfaz neuronal basadas en campo eléctrico que se diferencian en la profundidad a la que se captura la actividad cerebral. Así, las señales neuronales se pueden registrar con electrodos en el cuero cabelludo (actividad EEG), en la superficie cortical (actividad electrocorticográfica, ECoG) o dentro del cerebro (potenciales de campo local y potenciales de acción neuronal).

Cada método tiene sus ventajas e inconvenientes. El registro EEG es simple y no invasivo, pero tiene una resolución espacio-temporal muy limitada. Además, las capturas EEG son susceptibles de contaminación por actividad electro-oculográfica o electromiográfica de los músculos craneales. Los métodos ECoG ofrecen mejor resolución espacial y rangos de frecuencia más amplios, pero implica la implantación de mallas de electrodos en la superficie cortical del cerebro y, por tanto, la necesidad de una intervención quirúrgica. Por último, las técnicas intracorticales permiten registros de alta calidad y resolución aunque, dado que los electrodos deben penetrar en el cerebro, son las que comportan mayor riesgo de reacción tisular y la estabilidad a largo plazo puede verse más comprometida.

El valor práctico último de cada uno de estos métodos depende en gran medida de la aplicación de comunicación y/o control que se pretende soportar. A grandes rasgos, cuanto más invasivo es el método de captura, retos más complejos, con mayores demandas de velocidad y precisión, serían abordables. En todo caso, se están dedicando importantes esfuerzos al desarrollo de procedimientos, con prestaciones similares a las obtenibles con técnicas intracorticales, pero menos invasivos y potencialmente más estables y seguros para el registro a largo plazo de señales neuronales.

El decodificador es el encargado de traducir las señales cerebrales registradas por la interfaz neuronal a órdenes interpretables por un dispositivo de salida, tal como un editor de textos, una silla de ruedas o una extremidad neuroprotésica. El procesamiento de señal en el decodificador tiene dos fases. La primera fase consiste en la extracción de características de las señales capturadas. Dichas características pueden ser medidas simples, tales como las amplitudes de potenciales evocados en EEGs, o las tasas de disparo de potenciales de acción en neuronas corticales individuales; o pueden ser más complejas como el cálculo de coherencias espectrales. En cualquier caso, las características extraídas deben ser relevantes para codificar con precisión la salida deseada por el usuario.

La segunda fase del procesamiento de señal consiste en la obtención de comandos utilizando un algoritmo de traducción. La complejidad de dicho algoritmo varía según los casos; pueden ser simples (por ejemplo, ecuaciones lineales) o sofisticados (por ejemplo, redes neuronales o máquinas vectoriales de apoyo, SVM). Para que un algoritmo de traducción sea eficaz debe cumplir dos requisitos básicos. Por un lado, debe garantizar que el rango de control del usuario sobre las características elegidas permita seleccionar todo el rango de comandos del dispositivo. Por otro, el algoritmo debe ser capaz de acomodar variaciones espontáneas en la gama de control del usuario y, por tanto, adaptarse a posibles cambios en las características de la señal.

Aunque se han producido importantes avances hacia el desarrollo de BMIs clínicamente viables, aún son muchos los retos que quedan por afrontar desde muy diversas disciplinas (neurología, ingeniería biomédica, ciencia de materiales, procesado de señal,…). Así, por ejemplo, son necesarios nuevos electrodos biocompatibles para la captura de señal neuronal que permitan BMIs de mayor longevidad, estabilidad y seguridad. También se debe avanzar significativamente en el desarrollo de métodos más eficaces de inducción de plasticidad cerebral dependiente de actividad. Del mismo modo, resulta imprescindible diseñar interfaces neuronales y decodificadores con menor factor de forma y consumo de potencia, operados inalámbricamente y esencialmente autónomos, que ofrezcan suficiente capacidad de cómputo y de adaptabilidad al usuario. En esta última línea, el grupo de biosensores inteligentes del Instituto de Microelectrónica de Sevilla ha desarrollado recientemente un prototipo en el estado-del-arte de interfaz neuronal inalámbrica para ECoG y medidas intracorticales que incluye mecanismos para extracción de características y que ya se ha verificado con éxito en modelos de animal. En la actualidad, dicho grupo está trabajando en el diseño de un sistema de microestimulación neuronal mediante técnicas optogenéticas, cuyo objetivo es permitir que el usuario de BMI no solo tenga la capacidad de controlar un dispositivo neuroprotésico sino también de sentirlo.

Existe la creencia de que la muleta del torero es de color rojo porque provoca de forma más efectiva al toro. Nada más lejos de la realidad, posiblemente, una capa verde o azul produciría el mismo efecto. En realidad, el toro ataca al detectar el movimiento de la capa. El color rojo ha sido usado tradicionalmente porque sirve para ocultar las manchas y es vistoso para el público.

Los conos son las células de la retina encargadas de detectar el color. La mayoría de los mamíferos tienen visión dicromática, es decir, dos tipos de conos optimizados para detectar dos colores distintos. Los humanos tenemos visión tricromática: nuestra retina tiene tres tipos distintos de conos centrados a longitudes de onda que, aproximadamente, corresponden con el color azul, el verde y el rojo. Combinando sus salidas, podemos percibir las distintas tonalidades de color.

Si estudiamos la detección del color en los animales, vemos que su percepción del entorno puede ser muy distinta a la nuestra. La mayoría de los mamíferos son dicromáticos. Sin embargo, las aves y reptiles suelen tener visión tetracromática, y, algunos anfibios y peces tienen hasta seis tipos de conos distintos. Los humanos y los primates más evolucionados tenemos visión tricromática, a diferencia del resto de mamíferos (incluyendo al pobre toro).

Cabe preguntarse por qué ciertas aves y reptiles han llegado a tener un sistema visual mucho más desarrollado y complejo que el nuestro. La explicación no es sencilla. Pero la mayoría de científicos coinciden en que los mamíferos provenimos de pequeños animales nocturnos y terrestres que desarrollaron durante la época de los dinosaurios. Estos mamíferos vivían en el suelo de zonas boscosas, no siendo la percepción del color vital para su supervivencia. Por ello, su sistema visual evolucionó más tardíamente que el de otros animales y aves.

Ante esta excitante perspectiva sobre la visión en color, cabe preguntarse si las cámaras que usamos podrían tener visión tetracromática o superior. Las cámaras convencionales tratan, lógicamente, de emular fidedignamente nuestra percepción tricromática del mundo. Para ello, usan tres filtros de color que emulan los distintos tipos de conos de la retina humana. Sin embargo, su capacidad de detección va más allá que el ojo humano, pudiendo detectar radiación en el infrarrojo cercano y en la banda ultravioleta.

En el Instituto de Microelectrónica de Sevilla, tradicionalmente se han fabricado e implementado sistemas de visión capaces de detectar color. Un planteamiento lógico es extender las bandas de operación en color de los sensores más allá de la visión tricromática. Ello nos permitiría obtener información adicional sobre el mundo que nos rodea. Algunos investigadores vinculados con la Institución han usado cámaras convencionales operando en la banda del infrarrojo cercano. Ello posibilita, por ejemplo, detectar de forma más eficiente la energía de llamas y fuego. En paralelo, el hecho de implementar sistemas de visión tetracromáticos o superiores, nos ayudaría a entender mejor cómo perciben el mundo algunos seres que nos rodean, con un sistema visual increíblemente mucho más evolucionado y complejo que el nuestro.

Pocos avances tecnológicos en la historia de la humanidad han experimentado un desarrollo tan vertiginoso como el llevado a cabo por las tecnologías de comunicación inalámbricas, y más concretamente por la telefonía celular o móvil. De hecho, hasta hace tan sólo unos pocos años, los teléfonos móviles eran dispositivos electrónicos con un único modo de operación y cuya única funcionalidad era la transmisión de voz (llamados de primera generación o 1G), y mensajes cortos de texto o SMS (de “Short Message Service”), presentes en la segunda generación (2G), cuyas velocidades de transmisión de datos eran del orden de unos pocos de miles de bits por segundo (kb/s).

Con el desarrollo de la tercera generación (3G), los terminales móviles pasaron a ofrecer servicios multimedia y conexión a Internet de banda ancha con una velocidad de transferencia de datos de millones de bits por segundo (Mb/s). De hecho, esta tendencia continúa y recientemente ya disponemos de redes que operan con terminales móviles de cuarta generación (4G), que son dispositivos enormemente más complejos tecnológicamente que los teléfonos móviles de generaciones anteriores.

Estos terminales integran de forma eficiente los servicios de telefonía móvil ya existentes con nuevos estándares de acceso a redes inalámbricas, los cuales pueden llegar a alcanzar tasas de transferencia de datos de hasta miles de millones de bits (Gb/s), dependiendo de las condiciones de la red en la que se encuentre. Los teléfonos 4G incorporan, entre otros, el estándar celular LTE (de “Long-Term Evolution” o evolución a largo término), que permite acceder a Internet a velocidades de varias decenas de Mb/s, y que se ha hecho popular recientemente por ser la causa de la resintonización obligatoria de la Televisión Digital Terrestre o TDT, también llamado dividendo digital.

La forma actual en la que se incluyen nuevos estándares o modos de operación en los teléfonos de última generación o “smart phones”, supone casi siempre la incorporación de nuevo hardware, es decir, de nuevos chips específicos, que son diferentes para cada generación de terminales. Sin embargo, el ritmo creciente de incorporación de nuevas funcionalidades hace que este modelo de evolución — basado en la actualización de nuevo hardware – esté llegando a sus límites. Esto plantea la necesidad de redefinir el concepto de un teléfono móvil, desde una dispositivo electrónico esencialmente basado en hardware hacia un sistema que reparta o complemente sus prestaciones y funcionalidades entre su hardware y su software.

Actualizaciones del software

Este nuevo paradigma de las comunicaciones móviles recibe el nombre de radio definida por software o SDR (de “Software Defined Radio”), y permitirá en un futuro el desarrollo de teléfonos móviles universales – que podrán actualizarse a nuevos estándares a través de actualizaciones del software, en lugar del hardware como se ha hecho hasta ahora – siendo de este modo capaces de ser programados para operar en un amplio rango del espectro electromagnético.

Además de estas ventajas, los móviles basados en SDR permitirán implementar la tecnología conocida como radio cognitiva o CR (de “Cognitive Radio”), mediante la cual se podrá hacer un uso más eficiente del espectro electromagnético, modificando de una forma dinámica los parámetros de la señal transmitida, incluída la banda de frecuencias, en función de la información sensada del entorno – tecnología conocida como “spectrum-sensing” (o sensado del espectro).

Sin embargo, la situación de los “smart phones” que se comercializan actualmente, dista mucho – tanto en concepto como en su implementación física – del mencionado paradigma SDR/CR. Para poder llevarlo a cabo, se necesitaría realizar un procesado y acondicionamiento previo de las señales de Radio Frecuencia (RF) que se reciben en la antena de los dispositivos móviles. Como estas señales son analógicas, deben ser procesadas por un procesador analógico o ASP (de “Analog Signal Processor”), para luego poder digitalizarlas con un convertidor analógico-digital o ADC (de “Analog-to-Digital Converter”) y finalmente realizar todo el tratamiento de la señal en un procesador digital o DSP (de “Digital Signal Processor”).

Todos estos subsistemas deberían a su vez estar dotados de una alta capacidad de programabilidad y reconfigurabilidad, gracias al control digital – mediante software – de cada uno de sus componentes, como se ilustra conceptualmente en la Fig. 1.

La implementación eficiente – tanto en términos energéticos como de coste – de un sistema como el mostrado en la Fig. 1 supone un gran reto, dada la dificultad que encierra diseñar los bloques ASP y ADC con la precisión requerida y utilizando tecnologías integradas a escalas nanométricas, las cuales son generalmente más apropiadas para implementar microprocesadores digitales rápidos que circuitos analógicos precisos.

El camino hacia la realización real de terminales móviles SDR/CR requiere por tanto un esfuerzo significativo en I+D+I, como el que se está llevando a cabo en el Instituto de Microelectrónica de Sevilla, IMSE-CNM (CSIC / Universidad de Sevilla), y más específicamente por el grupo de investigación de Ingeniería de Circuitos y Sistemas Micro/Nanométricos. Entre otras muchas ventajas con respecto a los terminales actuales, los futuros teléfonos móviles basados en la tecnología SDR/CR permitirán hacer un uso mucho más eficiente del espectro electromagnético, evitando así problemas de congestión y de solapamiento de bandas de frecuencias, como el recientemente ocurrido con algunas emisoras de TDT y el dividendo digital

Vivimos en la era de la interacción. Las máquinas que, a través de sucesivas oleadas tecnológicas, han adquirido extraordinarias habilidades para el cómputo, el almacenamiento y la transmisión de información, comienzan a asomarse a nuestro mundo a través de multitud de sensores. Estos sensores permiten a las redes de ordenadores trabajar sobre datos provenientes del exterior, son las ventanas por las que el mundo virtual conecta con el mundo real.

Existen sensores integrados de temperatura, de humedad, de luz, de presión, de movimiento, de aceleración, químicos, etc. Todos ellos representan, de alguna manera, una suerte de sentidos microelectrónicos que dotan a nuestros dispositivos inteligentes de la capacidad de interaccionar con el entorno y, cómo no, con nosotros mismos. Son una componente fundamental de lo que llamamos entornos inteligentes o inteligencia ambiental. El internet de las cosas no podría existir si estas “cosas” no fueran capaces de extraer continuamente información de mundo que les rodea de manera eficiente con el fin de permanecer siempre atentas y comportarse de forma proactiva para facilitarnos la vida.

En cuanto al catálogo de capacidades sensoriales que nos ofrece la Naturaleza, para nosotros, los humanos, la visión es nuestro sentido más preciado. Lo es hasta el punto de que incluso cuando recibimos mensajes contradictorios provenientes de otros sentidos preferimos creer lo que ven nuestros ojos. Para describirlo con un símil técnico, se trata del puerto de entrada de datos con mayor ancho de banda del que disponemos hasta el momento, por lo que juega un papel fundamental en nuestra relación cotidiana con el entorno.

Parece razonable que, en nuestro afán de dotar de sentidos electrónicos a los dispositivos que nos rodean, concentremos un esfuerzo importante en la implementación de la visión artificial. Sin embargo, aún estamos lejos de un sistema de visión compacto y eficiente que sea capaz de operar con un presupuesto energético limitado. Aún no hemos encontrado la manera de instalar un ojo electrónico en cada dispositivo inteligente del internet de las cosas.

Los píxeles y la interpretación de la escena

La mayoría de los sensores que hemos mencionado antes miden magnitudes de tipo escalar. Para cada instante de tiempo tenemos una única cantidad asociada con la posición en el espacio en la que se halla ubicado el sensor. En el caso de la visión, el estímulo visual está compuesto de un flujo de unas 25-30 imágenes por segundo. Ejecutar cualquier algoritmo de procesamiento de señal sobre este flujo, incluso para imágenes muy pequeñas —por debajo del megapixel— exige tal cantidad de recursos, en términos de esfuerzo computacional y de consumo de potencia, que, hasta la fecha, hacen inviable la implementación en forma de sistema integrado, compacto y autónomo.

Pretendemos por tanto alcanzar la capacidad de cómputo necesaria con un consumo de potencia aceptable. En otras palabras, mejorar la eficiencia computacional o, lo que es lo mismo, aumentar el número de operaciones por segundo que podemos realizar por cada milivatio. Las tareas más costosas desde el punto de vista computacional son las que se realizan en las primeras etapas de la visión.

Pero sabemos que, por lo general, los píxeles no contribuyen de manera aislada a la interpretación de la escena, sino que son las estructuras que forman de manera agregada y sus interrelaciones las que soportan la información relevante contenida en el estímulo visual. Esto quiere decir que convertir todos estos datos al dominio digital y procesarlos de manera serial mediante una arquitectura convencional es un despilfarro de recursos imperdonable.

La alternativa, inspirada en la forma en la que la información es procesada de manera totalmente paralela en los sistemas de visión biológicos, consiste en la extracción de características o rasgos distintivos de la imagen en una etapa cercana al sensor, mediante recursos de procesamiento y memoria distribuidos. Esto genera una representación de más alto nivel de la escena en la que, sin haber descartado ningún detalle crucial, se ha reducido de manera considerable el número de datos a procesar. Al mismo tiempo, la implementación totalmente paralela de esta extracción de características reduce los intercambios de datos con la memoria y el tráfico de información dentro del sistema, con el consiguiente ahorro de energía. El resultado: un sistema de visión compacto, de bajo consumo, que cabe en un único chip.

Sensores cada vez más inteligentes

El problema fundamental de esta aproximación es que la incorporación de circuitería de procesamiento dentro del píxel supone un aumento de su tamaño y una disminución del porcentaje de área fotosensible dentro del mismo, con lo que se degrada la resolución espacial. Nos encontramos entonces ante un compromiso entre la resolución espacial y la temporal de nuestro sistema de visión. La solución para este compromiso puede estar en la integración vertical de circuitos integrados, 3D-IC o CMOS-3D. Esta tecnología va a permitir implementar diferentes funcionalidades en chips apilados y conectados totalmente en paralelo mediante vías que atraviesen los diferentes substratos.

Por el momento, sólo los grandes fabricantes de sensores de imagen para la electrónica de consumo, como Sony o Samsung, pueden permitirse experimentar con esta tecnología. Pronto podremos ver como estos sensores incorporan cada vez más inteligencia, sin aumentar necesariamente el consumo de potencia y, esta vez, sin hacerlo a costa de una disminución de la resolución espacial. Nuestro grupo de investigación en el Instituto de Microelectrónica de Sevilla lleva tiempo trabajando en estas arquitecturas jerárquicas para el procesamiento masivo de información de carácter sensorial. Hemos construido pruebas de concepto sobre tecnologías CMOS convencionales y, hoy por hoy, podemos decir que estamos preparados para dar el salto tridimensional.

¿Alguna vez has analizado las operaciones que ejecutas al cruzar la calle? Primero buscas el paso de peatones más cercano y te aproximas a él, luego observas a izquierda y derecha para comprobar si se acerca algún vehículo. Entonces, calculas si te dará tiempo a pasar (en función de la velocidad a la que se aproximen, la distancia a la que se encuentren, tu velocidad y la longitud del cruce), y finalmente caminas hasta la acera opuesta.

Aunque la mayoría de las personas cruza la calle varias veces al día sin ningún esfuerzo aparente, estas simples operaciones requerirían una complejidad computacional inasumible para un sistema artificial. Sin embargo, los sistemas neuromórficos tratan de imitar el sistema de procesamiento del cerebro para poder llevar a cabo de forma eficiente actividades complejas que implican percepción, control motor e integración multisensorial a alta velocidad y con bajo consumo.

El concepto de ingeniería neuromórfica fue propuesto por Carver Mead a principios de los 80 en el Instituto Tecnológico de California (Caltech, Estados Unidos) como un modo de usar circuitos analógicos para imitar las arquitecturas biológicas del sistema nervioso. A lo largo de las últimas décadas, diferentes grupos de investigación han desarrollado la ingeniería neuromórfica en un ámbito ampliamente multidisciplinar que engloba conceptos de biología, matemáticas, física, informática e ingeniería electrónica con el fin de diseñar sistemas neuronales artificiales, con aplicaciones tan diversas como prótesis de retina para invidentes, implantes cocleares para personas con deficiencias auditivas, o sistemas robóticos de conducción automática.

Actualmente, el proyecto 'Human Brain Project', dirigido por la Escuela Politécnica Federal de Lausanne (Suiza) y financiado por la Comisión Europea, implica a cientos de investigadores de 26 países, entre los que se encuentra España, con el fin de simular de forma detallada el comportamiento del cerebro humano en supercomputadores para comprender su funcionamiento y, entre muchos otros objetivos ambiciosos, usar este conocimiento para desarrollar computadores neuromórficos. En el Instituto de Microelectrónica de Sevilla, participamos en este proyecto desarrollando nuevos sistemas de visión neuromórfica.

El grupo Neuromórfico del Instituto de Microelectrónica de Sevilla ha estado implementando sistemas electrónicos bio-inspirados desde 1992, con una amplia experiencia en distintos tipos de circuitos, como categorizadores neuronales, retinas de silicio, chips de convolución, y en general sistemas de sensado y procesamiento de visión utilizando microchips neuromórficos.

El despliegue de gadgets que existe en la red no tiene parangón. Se pueden encontrar aplicaciones que van desde lo más simple, como encender y apagar leds, hasta cosas que sea antojan realmente difíciles, como pilotos automáticos para drones, con esquemas completos y el software de programación correspondiente. Tanta es la versatilidad de la plataforma que pueden usarla desde estudiantes a profesionales; en el Instituto de Microelectrónica de Sevilla (IMSE-CNM-CSIC) , de hecho, la hemos usado como apoyo para el test de componentes electrónicos para uso en espacio.

En definitiva, este pequeño prodigio, que ya cuenta con nueve años de edad, aúna dos cosas que suponemos indispensables en un proyecto con futuro: grandes dosis de innovación y muy bajo coste (se puede adquirir un módulo por menos de 25 €). Ya hay algunos profesores de bachillerato que lo usan para incentivar la creatividad de sus estudiantes y espero que su uso sea generalizado en poco tiempo por el bien de su maltraída educación.

En pleno siglo XXI, el presidente de la prestigiosa Universidad de Harvard y secretario del Tesoro estadounidense, Lawrence Summers, sugirió en unas declaraciones durante una conferencia que las mujeres tienen “una capacidad innata menor para las matemáticas y las ciencias” que los hombres. Sin ni siquiera valorar manifestaciones que parecen de otros tiempos, la realidad demuestra que en eso no hay nada de cierto. Existen desequilibrios estadísticos, es verdad, pero no es cuestión de capacidad y habrá que buscar otras razones.

Además, existen áreas de conocimiento científico-técnicas, supuestamente dominadas por los hombres, donde las barreras no existen, como el Instituto de Microelectrónica de Sevilla (IMSE), uno de los tres centros que componen el Centro Nacional de Microelectrónica de Sevilla (Consejo Superior deInvestigaciones Científicas) donde las estadísticas de distribución de género ya no están tan lejanas del 50 por ciento y el futuro promete mejores cifras. Quizás un oasis en el desierto del desequilibrio.

Un estudio comparativo de géneros realizado en 2013 reveló que el Instituto de Microelectrónica viene a ser algo así como un oasis de igualdad en lo que a género se refiere. En este centro, mixto entre el CSIC y la Universidad de Sevilla, hay un 50 por ciento de mujeres y otro 50 por ciento de hombres en lo que al personal investigador se refiere. No es así en los doctores y doctoras, que suponen un 68 frente a un 32 por ciento. Pero aquí tenemos un nuevo reto, sin duda. Estos datos sorprenden si tenemos en cuenta que dentro del CSIC (según datos de 2012) la estadística habla de mayor alejamiento aún en la paridad: un 76 por ciento de investigadores frente a un 24 por ciento de investigadoras.

¿Sabéis qué estudiamos en este centro? Encuadrado en el área de Ciencias y Tecnologías Físicas, una de las ocho áreas en que el CSIC organiza su actividad investigadora, el área de especialización del Instituto es el diseño y test de circuitos integrados analógicos y de señal mixta en tecnología CMOS, así como su uso en diferentes contextos de aplicación como radiofrecuencia,microsistemas o conversión de datos… En un lenguaje más coloquial, nosotros trabajamos, por ejemplo, para que la batería de los smartphones que utilizamos dure más tiempo. Es sólo un ejemplo, porque en el instituto trabajan unas cien personas… entre hombres y mujeres.