Los investigadores crearon un dispositivo de redes neuronales artificiales integradas con eficiencia energética y capacidades de visualización y discriminación de color casi humanas, demostrando un gran potencial para aplicaciones de visión por ordenador.
La visión humana, al seleccionar y procesar solamente la información esencial del entorno, ha inspirado durante décadas a científicos que buscan replicar sus ventajas en sistemas electrónicos. Ahora, un equipo de investigación encabezado por el profesor Takashi Ikuno, de la Universidad de Ciencia de Tokio (TUS), en Japón, ha logrado un importante avance en esta dirección.
Su estudio, publicado en la revista Scientific Reports, presenta una sinapsis artificial capaz de distinguir colores con una resolución de 10 nanómetros y alimentarse de forma autónoma mediante energía solar, acercándose así al funcionamiento del ojo humano.
Ventajas técnicas que marcan la diferencia
A diferencia de los sistemas de visión por ordenador convencionales, que requieren procesar grandes volúmenes de datos y consumen poderosas baterías o fuentes externas de energía, la sinapsis artificial desarrollada por el equipo de Ikuno integra dos células solares sensibilizadas con tintes, que generan la electricidad necesaria para su funcionamiento.
Gracias a la combinación de dos tintes diferentes, el dispositivo responde de forma distinta según la longitud de onda de la luz incidente. Bajo luz azul, produce un voltaje positivo, en tanto que bajo luz roja genera un voltaje negativo. De esta manera, logra discriminar colores dentro del espectro visible con una precisión comparable a la del ojo humano, según una nota de prensa.
El sistema no solo funciona de forma autosuficiente, sino que exhibe una respuesta bipolar: según demuestran los experimentos, la sinapsis emite hasta 0,48 voltios en longitudes de onda cercanas a 470 nanómetros (azul-violeta) y −0,18 voltios cerca de 620 nanómetros (rojo).
Esta característica facilita la realización de operaciones lógicas complejas en un único dispositivo, algo que en arquitectura convencional requeriría múltiples componentes. Por tanto, el avance promete reducir drásticamente el número de elementos necesarios en sistemas de visión avanzada.
Efectividad y aplicaciones
Para demostrar su potencial en aplicaciones reales, los investigadores implementaron la sinapsis artificial en un marco de “computación de reservorio físico” (Physical Reservoir Computing, PRC). En este esquema, la dinámica intrínseca del material (en este caso, las variaciones de voltaje inducidas por diferentes colores) actúa como reservorio para procesar datos temporales.
En el experimento, se codificaron 18 combinaciones de movimientos humanos en colores rojo, verde y azul. Con un único dispositivo, el sistema alcanzó una precisión del 82% al reconocer dichos movimientos. Este logro es especialmente relevante para aplicaciones en dispositivos periféricos, como teléfonos inteligentes, drones o vehículos autónomos, donde el consumo energético y el espacio físico son limitados.
Referencia
Polarity-tunable dye-sensitized optoelectronic artificial synapses for physical reservoir computing-based machine vision. Hiroaki Komatsu et al. Scientific Reports (2025). DOI:https://doi.org/10.1038/s41598-025-00693-0
Por ejemplo, puede hacer posible automóviles que identifiquen semáforos y señales viales con menor uso de batería, o cascos de realidad aumentada que extiendan significativamente su autonomía sin sacrificar la calidad de reconocimiento visual. Además, en el ámbito de la salud puede propiciar sensores portátiles más eficientes, que podrían medir parámetros como el nivel de oxígeno en sangre o el ritmo cardíaco, sin agotar la batería en cuestión de minutos.
Para el propio Ikuno, “estos resultados muestran un gran potencial para la aplicación de este dispositivo optoelectrónico de próxima generación, que permite discriminación de color de alta resolución y operaciones lógicas simultáneamente, en sistemas de Inteligencia Artificial (IA) de bajo consumo con reconocimiento visual”, concluyó en el comunicado.
