Los memristores de WS₂ proponen mirar una grieta con otros ojos. En una fábrica, una imperfección suele anunciar problemas. Bajo el microscopio, sin embargo, puede revelar un camino por el que las cargas eléctricas se mueven de una forma útil. La pregunta cambia entonces de dirección: ¿y si parte del futuro de la computación dependiera de aprender a organizar lo que hasta ahora intentábamos eliminar?
El Instituto Indio de Tecnología de Mandi difundió el 17 de noviembre de 2026 una investigación sobre defectos y conmutación eléctrica en disulfuro de tungsteno, un material ultrafino conocido como WS₂. El estudio abre una vía para dispositivos de memoria y computación neuromórfica. Su interés convive con un límite decisivo: comprender un mecanismo a escala microscópica todavía deja mucho trabajo antes de construir una tecnología fiable.
La noticia reciente y el trabajo que hay detrás
El comunicado del IIT Mandi presenta un resultado en el que defectos estructurales permiten distintos comportamientos de conmutación dentro de un dispositivo electrónico. La investigación se titula Crack–Defect Landscapes Enable Multimodal Memristive Switching in WS₂ Mono-Bilayers y está publicada en Advanced Functional Materials.
El registro de KITopen fecha la publicación científica en línea el 9 de noviembre de 2026. La noticia de esta semana corresponde a su difusión institucional.
La participación de investigadores de distintas instituciones recuerda cómo se construyen estos avances: materiales, microscopía y electrónica necesitan conversar para que una señal pueda convertirse en una explicación.
El atractivo de la noticia reside en esa explicación. La palabra «defecto» deja de describir únicamente una pérdida de calidad y pasa a designar una variable que merece estudiarse. Eso exige precisión: aprovechar una imperfección implica conocer sus efectos y sus límites, no celebrar cualquier irregularidad.
Qué significa que un componente tenga memoria
Un memristor es un elemento cuya respuesta eléctrica puede depender de su historia. La idea permite explorar dispositivos en los que el estado físico del material participa en el almacenamiento de información. El término une las nociones de memoria y resistencia, y aparece en distintas familias de investigación electrónica.
La introducción de IBM a la computación neuromórfica sitúa estos componentes entre las opciones para aproximar memoria y procesamiento. El campo busca inspirarse en ciertas propiedades de las neuronas y sus conexiones mediante hardware y software. Esa inspiración describe una manera de organizar operaciones; no demuestra que un circuito sienta, comprenda o tenga una experiencia interior.
Una analogía sencilla puede ayudar. Imaginemos una puerta cuyo comportamiento cambia después de una serie de intervenciones. La respuesta posterior contiene información sobre lo ocurrido antes. En un dispositivo real, esa «historia» se expresa mediante propiedades eléctricas y materiales que deben medirse, no mediante recuerdos en el sentido humano.
La dificultad empieza cuando se pide a muchos componentes que respondan de manera útil y repetible. Para calcular con ellos, hace falta saber qué significa cada estado y hasta qué punto puede leerse o modificarse. La metáfora del cerebro resulta sugerente; la ingeniería necesita después valores, tolerancias y procedimientos.
Vacantes y grietas como paisaje eléctrico
El trabajo estudia vacantes de azufre —posiciones donde falta un átomo— y grietas en el WS₂. Sus bordes favorecen el desplazamiento de vacantes y especies cargadas, influyendo en la conmutación.
El análisis relaciona la respuesta con esa redistribución y con la barrera eléctrica de los contactos metálicos; también examina tratamientos térmicos. El alcance es experimental.
La imagen del «paisaje» resulta especialmente fértil. En lugar de un camino completamente uniforme, las cargas encuentran zonas que favorecen unas trayectorias y dificultan otras. La investigación intenta comprender cómo cambia ese recorrido cuando se modifica el material. Saber dónde ocurre algo permite empezar a preguntar cómo controlarlo.
En este caso, controlar no equivale a introducir daño al azar. La cuestión es relacionar estructura y función con suficiente detalle para que el comportamiento deje de ser una sorpresa. Una irregularidad útil en una muestra puede convertirse en un problema si aparece de forma imprevisible en la siguiente.
El dato de los ciclos pone los pies en el suelo
El resumen del estudio informa de conmutación diferenciable durante 800 ciclos con relaciones de resistencia consistentes, seguida por la aparición de un estado de alternancia y, más tarde, un estado de atrapamiento. Ese recorrido forma parte del resultado y merece acompañar cualquier referencia al potencial del material.
La cifra describe la prueba publicada. No debe trasladarse a una vida útil de un producto ni a una comparación directa con cualquier memoria disponible. Para hacerlo harían falta condiciones equivalentes y más información sobre la aplicación concreta. La investigación ofrece una relación entre defectos y estabilidad que puede orientar nuevos experimentos.
Es precisamente ahí donde el hallazgo gana profundidad. Un componente que cambia con el uso permite estudiar por qué lo hace, qué parte del material interviene y cómo podría mejorarse. El fallo observado no desaparece de la historia científica: aporta información sobre los límites del diseño.
Para una futura tecnología, el objetivo sería convertir ese conocimiento en un comportamiento previsible. Habría que preguntar cuántas veces puede operar cada dispositivo, cómo varía entre muestras y qué condiciones alteran su respuesta. La utilidad depende de poder contestar esas preguntas con evidencia reproducible.
Por qué acercar memoria y cálculo resulta atractivo
IBM Research explica que mover información entre memoria y unidades de cálculo puede convertirse en un cuello de botella por tiempo y energía. La computación en memoria explora maneras de reducir esa separación física. La computación neuromórfica incluye distintas arquitecturas inspiradas en procesos neuronales; ambos ámbitos pueden encontrarse, aunque no sean términos intercambiables.
La intuición es comprensible: si una operación puede aprovechar el estado del lugar donde está representada la información, quizá necesite menos desplazamientos. Pero esa posibilidad debe evaluarse en un sistema completo. El consumo de un componente aislado no cuenta toda la historia de los circuitos necesarios para usarlo.
La línea de investigación sobre memorias emergentes para cálculo neuromórfico analógico estudia precisamente cómo las propiedades de los dispositivos pueden participar en operaciones de redes neuronales. Existen distintas tecnologías y materiales. El WS₂ se incorpora a esa conversación como un objeto experimental con ventajas y dificultades que deben demostrarse para cada función.
Para valorar el nuevo estudio, resulta más útil hablar de una pieza del problema que de una sustitución inmediata de los ordenadores actuales. La pieza puede ser importante si ayuda a entender una limitación que impide avanzar. La ciencia de materiales suele trabajar en esa escala: una explicación local que permite formular una pregunta mejor.
El reto de fabricar imperfecciones previsibles
La ingeniería de defectos plantea una paradoja industrial potente para la memoria electrónica. Si una propiedad útil depende de defectos, fabricar bien puede significar producir y distribuir esos defectos de una manera controlada. Esto modifica el criterio de calidad: habría que definir qué irregularidades ayudan, cuáles perjudican y cómo distinguirlas antes de integrar el dispositivo.
Las investigaciones de IBM sobre dispositivos y sistemas neuromórficos abarcan materiales y arquitecturas diversos. Esa amplitud muestra por qué un resultado prometedor debe situarse dentro de un proceso mayor de integración. El material, el circuito y la forma de ejecutar una operación se condicionan mutuamente.
En una eventual aplicación, los ingenieros tendrían que considerar también cómo se programa y se lee el componente. Una respuesta física interesante necesita una interfaz con el resto del sistema. La complejidad que se ahorra en un lugar podría reaparecer en otro si hacen falta demasiadas correcciones.
Por eso sería prematuro atribuir a esta investigación un ahorro energético concreto en centros de datos o una fecha de llegada al mercado. El anuncio no proporciona esas demostraciones. Su contribución verificable está en el comportamiento estudiado y en los mecanismos propuestos para entenderlo.
En ese tránsito, explicar una limitación tiene un valor propio. Permite que otro equipo diseñe una prueba diferente, cuestione una interpretación o encuentre una condición que antes pasaba inadvertida. La utilidad de un artículo científico no depende únicamente de ofrecer una respuesta lista para vender. También depende de hacer visible el problema con suficiente claridad para que otros puedan trabajar sobre él.
Esta perspectiva ayuda a leer las noticias con menos ansiedad. Podemos interesarnos por una posibilidad sin convertirla en una predicción. Podemos reconocer un avance y preguntar a continuación qué falta por aprender. Mantener abiertas ambas conversaciones favorece una cultura tecnológica capaz de entusiasmarse sin perder la capacidad de comprobar.
Una forma distinta de imaginar el progreso
La investigación del IIT Mandi y sus colaboradores invita a desplazar la mirada. En medio de una conversación tecnológica dominada por modelos, aplicaciones y grandes infraestructuras, una parte de la innovación ocurre en estructuras que apenas podemos ver. Allí, un átomo ausente puede alterar una respuesta y una grieta puede orientar una corriente.
La oportunidad para la IA está en explorar soportes de cálculo con propiedades diferentes. El camino requiere paciencia: medir, repetir, comparar y aceptar que una explicación útil puede llegar antes que una aplicación. Ese ritmo también forma parte del progreso tecnológico, aunque encaje peor en una presentación espectacular.
Para quienes seguimos estas noticias, el ejercicio consiste en sostener dos ideas a la vez. El resultado merece atención por lo que enseña sobre la materia. Sus posibles aplicaciones necesitan todavía pruebas que permitan pasar del mecanismo a una función fiable.
Quizá esa sea la enseñanza más sugerente de los memristores de WS₂: una imperfección puede convertirse en una pregunta fértil cuando aprendemos a leerla. La tecnología futura no saldrá únicamente de imponer más orden. También podría surgir de comprender, con rigor y paciencia, qué posibilidades se esconden en una grieta.
Imagen de portada: ilustración conceptual de computación neuromórfica publicada por IBM Research. Representa el campo de investigación y no una fotografía del dispositivo de WS₂.



