Físicos de Stanford crean una red de átomos y fotones que almacena siete veces más recuerdos que la IA clásica

Un equipo liderado por el físico de Stanford Benjamin Lev ha construido una red de átomos ultrafríos y fotones que funciona como una memoria asociativa, y que almacena hasta siete veces más recuerdos que el modelo clásico de red neuronal que ayudó a ganar un Premio Nobel. Los resultados, publicados el 3 de septiembre en la revista Science, apuntan hacia un futuro en el que el hardware de IA podría aprender y recordar utilizando muchos menos recursos.eurekalert+1

De Hopfield al vidrio de espín

El trabajo se basa en la red de Hopfield, un modelo matemático presentado en 1982 que demostró cómo un sistema de espines que interactúan puede almacenar y recuperar recuerdos a partir de entradas parciales o dañadas. John Hopfield compartió el Premio Nobel de Física de 2024 por esa contribución fundamental, que ayudó a sentar las bases de los de modelos de lenguaje grandes modernos. Pero las redes de Hopfield tienen un límite: si se sobrecargan con demasiados recuerdos, el sistema colapsa en un estado desordenado de vidrio de espín, donde el recuerdo falla.phys+1

El grupo de Lev convirtió esa limitación en una ventaja. Utilizando condensados de Bose-Einstein: grupos de aproximadamente 10,000 átomos cada uno, enfriados a una temperatura cercana al cero absoluto y que se comportan como un único "superátomo", los investigadores colocaron hasta 20 de estos espines dentro de una cavidad óptica formada por dos espejos curvos. Los fotones, al rebotar miles de veces entre los espejos, crearon conexiones de todos con todos entre los espines, imitando las sinapsis de un cerebro biológico.arxiv+1

Siete veces más capacidad

En una red de 16 espines, el vidrio de espín cuántico-óptico recordó un promedio de unos 12 recuerdos, en comparación con los aproximadamente 3.6 de una red de Hopfield del mismo tamaño. Cuando los investigadores aflojaron las trampas atómicas para amplificar las deformaciones polarónicas: un acoplamiento auto-reforzado entre el espín y el movimiento, la capacidad aumentó a 25 recuerdos, una mejora de siete veces respecto al límite de Hopfield.science+1

El sistema también mostró plasticidad a corto plazo: las fuerzas mediadas por fotones hicieron que los átomos cambiaran de posición, reorganizando dinámicamente las conexiones de la red en un proceso que los investigadores comparan con la plasticidad sináptica del cerebro.eurekalert+1

Fase inicial, grandes ambiciones

Actualmente, el aparato funciona dentro de una cámara de vacío a temperaturas criogénicas, por lo que su despliegue práctico aún está lejano. Lev reconoció que la investigación se encuentra en una fase de prueba de concepto, pero afirmó que su equipo ya está trabajando para aumentar el número de espines e introducir el entrelazamiento cuántico entre ellos.eurekalert

"Ahora tenemos una prueba de concepto de una red física que se autoajusta de la misma manera que lo haría un sistema de aprendizaje, y si podemos mejorar y escalar eso, el hardware de IA podría volverse mucho menos costoso de entrenar en términos de energía", afirmó Lev.phys