En campos que van desde la física de partículas hasta la electrónica usable, surgen soluciones que rehacen tanto el software como el hardware. Un equipo liderado por estudiantes de la Universidad de Hawaiʻi en Mānoa presentó un algoritmo capaz de identificar direcciones en conjuntos de datos bidimensionales ruidosos, lo que mejora la extracción de señales en imágenes y experimentos. Paralelamente, en Sandia National Laboratories se demostró que la computación neuromórfica puede resolver ecuaciones diferenciales parciales complejas con notable eficiencia energética.
Y en Drexel University, la transformación de hojas de MXene en nanorrollos abre nuevas oportunidades para almacenamiento de energía y sensores. Estas iniciativas muestran caminos distintos pero complementarios para afrontar límites actuales en cómputo, detección y materiales.
Los tres desarrollos abordan un mismo reto: cómo obtener más información y rendimiento con menos consumo de recursos. El algoritmo para datos 2D facilita la dirección y orientación en imágenes ruidosas; los chips neuromórficos reducen el gasto energético de simulaciones físicas; y los nanorrollos de MXene entregan conductividad y acceso superficial que mejora la interacción con el entorno.
A continuación se examina cada aporte y sus implicaciones prácticas.
Algoritmo para direccionamiento en datos 2D ruidosos
El equipo de la Universidad de Hawaiʻi diseñó una técnica orientada a extraer la dirección predominante en mapas bidimensionales donde el ruido complica la interpretación. La propuesta está pensada para situaciones donde la señal angular es débil o está fragmentada, como en ciertos experimentos de partículas, en imágenes médicas o en análisis de texturas.
En lugar de depender exclusivamente de filtros clásicos, el método combina estimaciones locales y globales para estabilizar la dirección inferida ante variaciones estocásticas del dato.
Aplicaciones prácticas
En física de partículas, por ejemplo, identificar la trayectoria o el patrón angular de eventos es clave para reconstrucciones más precisas. En visión por computador y aprendizaje automático, la capacidad de determinar orientación robusta contribuye a mejorar la segmentación y la clasificación.
La técnica publicada en AIP Advances provee un marco matemático que puede integrarse en pipelines existentes sin necesidad de hardware especializado.
Neuromorfismo: resolver física con bajo consumo
Investigadores de Sandia trasladaron el formalismo del Método de Elementos Finitos (FEM) a una arquitectura de redes neuronales de disparo (SNN). El resultado, llamado NeuroFEM, no intenta aprender la solución por aproximación estadística, sino que reinterpreta las ecuaciones de equilibrio y los subconjuntos del mallado como poblaciones neuronales que intercambian pulsos. Cada spike representa información binaria sobre el estado local, y la dinámica colectiva converge hacia la solución física buscada.
Escalabilidad y eficiencia
Al ejecutarlo en el chip neuromórfico Loihi 2 de Intel, los autores observaron una escalabilidad cercana a la ideal: al aumentar núcleos, el tiempo de cómputo disminuyó de forma casi proporcional, evitando los cuellos de botella típicos por tráfico de memoria. Además, la energía consumida para resolver instancias complejas fue sustancialmente menor que la requerida por CPUs tradicionales. Esto sugiere aplicaciones en simulaciones en tiempo real, vigilancia estructural y modelos que antes exigían granjas de servidores.
MXene nanorrollos: de láminas planas a tubos conductores
En Drexel, los investigadores transformaron hojas de MXene en nanorrollos tubulares mediante un control químico que induce asimetría en la superficie y libera tensión interna, provocando el enrollamiento. Estos nanorrollos son extremadamente finos y poseen mayor conductividad y acceso superficial que las láminas apiladas. El resultado son canales abiertos que facilitan el transporte de iones y la interacción con moléculas grandes.
Impacto en sensores, baterías y textiles funcionales
La geometría tubular mejora la respuesta en biosensores porque las superficies activas quedan expuestas, y en sistemas de almacenamiento permite rutas menos restringidas para la movilidad iónica. Además, la alineación por campos eléctricos facilita su incorporación en fibras y recubrimientos, potenciando textiles funcionales y dispositivos ionotrónicos. Los autores lograron producir varios MXenes distintos y cantidades del orden de gramos con estructura homogénea, lo que apunta a escalabilidad industrial.
Conjuntamente, estos avances —un sólido algoritmo para datos 2D ruidosos, la demostración de que el neuromorfismo puede ejecutar FEM de forma eficiente y la creación de nanorrollos de MXene— configuran un ecosistema tecnológico donde software, hardware y materiales convergen. La sinergia entre métodos robustos de extracción de dirección, cómputo de bajo consumo y materiales con transporte optimizado promete aplicaciones que van desde imágenes científicas más nítidas hasta sensores integrados en estructuras y textiles inteligentes.
