Un equipo de científicos de la École Polytechnique Fédérale de Lausanne (EPFL) ha logrado un importante avance en el campo de las interfaces cerebro-máquina (BMI) al desarrollar un chip miniaturizado, conocido como MiBMI, que puede convertir señales cerebrales en texto con una precisión del 91%. Este dispositivo, con un área total de 8 mm², es significativamente más pequeño que el sistema de Neuralink de Elon Musk, que mide 23 x 8 mm.
El MiBMI presenta unas dimensiones de 2.46 mm² y está fabricado en un proceso CMOS de 65 nm. Además, tiene un consumo energético de apenas 883 µW, lo que lo hace altamente eficiente. Este avanzado chip integra un sistema de grabación neural con 192 canales y un decodificador neural con 512 canales, permitiendo la decodificación de 31 caracteres distintos, con la posibilidad de ampliarse a 100 caracteres en el futuro.
Una de las innovaciones más destacables del MiBMI es su uso de códigos neuronales distintivos (DNCs), que permite procesar solo unos 100 bytes de datos por letra, en lugar de los miles de bytes típicamente requeridos por métodos convencionales, lo que mejora la eficiencia en el uso de memoria y reduce la complejidad computacional en un factor de aproximadamente 320 veces.
Esta tecnología está diseñada para ayudar a individuos con discapacidades motoras severas, como aquellos afectados por esclerosis lateral amiotrófica (ALS). El sistema traduce los pensamientos de los usuarios, que imaginan la escritura, en texto en tiempo real. Las pruebas realizadas con datos de grabaciones cerebrales previas mostraron una precisión de conversión de actividad neural en texto del 91.3%.
Los resultados de esta investigación han sido publicados en el IEEE Journal of Solid-State Circuits y presentados en la Conferencia Internacional de Circuitos Sólidos (ISSCC). Además, el equipo de EPFL planea colaborar con otros grupos para explorar aplicaciones adicionales como la decodificación del habla y el control de movimientos, ampliando así el potencial uso de esta tecnología.
El MiBMI representa un paso adelante significativo hacia la creación de dispositivos implantables prácticos que podrían transformar la vida de personas con discapacidades graves, al proporcionar una nueva forma de comunicación y control. El concepto de códigos neuronales distintivos (DNCs) que utiliza el MiBMI, permite reducir la carga de datos procesados por carácter, mejorando la eficiencia computacional unas 320 veces respecto a métodos tradicionales.