El problema que la física cuántica acaba de atacar de frente
Los centros de datos que alimentan la inteligencia artificial global consumen hoy más electricidad que muchos países enteros. El cuello de botella no está en los algoritmos: está en el hardware. Los electrones —la base de toda la computación desde 1945— generan calor y desperdician energía cada vez que se mueven a través de un chip. Cuantos más datos se procesan, peor se vuelve el problema.
La solución más prometedora que existía era la computación fotónica: reemplazar electrones por fotones (partículas de luz), que son eléctricamente neutros, viajan a mayor velocidad y transportan información con pérdidas mínimas. El problema: esa misma neutralidad que los hace eficientes los vuelve casi inútiles para las operaciones de conmutación lógica de las que depende cualquier computadora. Los fotones, en condiciones normales, simplemente no interactúan entre sí ni con su entorno.
Hasta ahora.
Qué es el excitón-polaritón y por qué cambia todo
Un equipo liderado por el físico Bo Zhen de la Universidad de Pensilvania acaba de publicar en Physical Review Letters la creación de una nueva cuasipartícula: el excitón-polaritón.
No es una partícula en el sentido clásico. Es una entidad cuántica híbrida que emerge cuando un fotón se acopla con fuerza a un excitón —un par electrón-hueco generado dentro de un semiconductor de espesor atómico (una sola capa de átomos)— dentro de una cavidad nanoscópica que confina la luz a escala atómica.
El resultado es algo que combina lo mejor de dos mundos:
La velocidad y eficiencia de la luz (herencia del fotón)
La capacidad de interactuar con el entorno (herencia del excitón, de la materia)
En palabras de Li He, coautor principal del estudio y ex investigador postdoctoral en el laboratorio de Zhen: «los fotones pueden transportar información rápidamente a largas distancias con una pérdida mínima, pero esa neutralidad implica que apenas interactúan con su entorno, lo que los hace poco eficaces en el tipo de lógica de conmutación de señales de la que dependen los ordenadores.»
El excitón-polaritón resuelve exactamente ese problema.
El dato que lo vuelve histórico: 4 femtojulios por operación
El equipo demostró experimentalmente conmutación óptica —el equivalente cuántico de un «interruptor» de bit— consumiendo aproximadamente 4 femtojulios por operación.
Para dimensionarlo:
Tecnología
Consumo estimado por conmutación
Transistor de silicio avanzado
1–10 femtojulios
Chip fotónico con conversión electrónica
~100–1.000 femtojulios
Excitón-polaritón (UPenn, 2026)
~4 femtojulios
LED pequeño encendido brevemente
miles de veces más
Lo revolucionario no es solo el número. Es que la señal entra como luz, el polaritón actúa sobre ella, y la señal sale como luz —sin haber sido electrón en ningún momento del proceso. Se elimina la conversión electrónica, que es precisamente donde se pierde la mayor parte de la energía en los chips fotónicos actuales.
El cuello de botella que esto elimina en la IA actual
Los chips fotónicos experimentales que existen hoy ya usan luz para ciertos cálculos lineales. Pero cuando el sistema necesita ejecutar operaciones no lineales —los pasos de toma de decisiones, las activaciones en redes neuronales, la lógica condicional— debe convertir las señales ópticas de vuelta a señales electrónicas. Ese ida y vuelta luz→electrón→luz es el talón de Aquiles de la computación fotónica.
Los excitón-polaritones realizan esas operaciones no lineales directamente en el dominio óptico, sin conversión. Si esta tecnología escala, implicaría:
Reducción masiva del consumo energético en sistemas de IA de gran escala
Mayor velocidad de procesamiento al eliminar latencias de conversión
Chips que procesan información visual directamente desde cámaras sin etapas intermedias
Un posible puente hacia computación cuántica fotónica a temperatura ambiente
Sustentabilidad científica: ¿qué tan sólido es este avance?
Esta es una pregunta legítima para cualquier breakthrough que aparece en titulares. Revisemos los elementos que le dan robustez:
1. Publicado en Physical Review Letters (PRL) PRL es una de las revistas de física más prestigiosas del mundo, con revisión por pares estricta. No es un preprint ni una nota de prensa sin respaldo.
2. Institución de primer nivel La Universidad de Pensilvania es la misma institución donde en 1945 se construyó ENIAC, la primera computadora electrónica de propósito general. El laboratorio de Bo Zhen tiene trayectoria documentada en fotónica cuántica.
3. Resultado replicable y medible El equipo no reporta una observación teórica sino una demostración experimental con valores concretos y caracterizaciones ópticas de la nanocavidad fotónica acoplada al semiconductor monocapa.
4. Conexión con física establecida Los excitón-polaritones no son un concepto nuevo —su existencia teórica y experimental en microcavidades semiconductoras viene siendo investigada desde los años 90. Lo nuevo es la demostración de conmutación lógica con consumo ultrabajo en un dispositivo funcional.
5. Honestidad sobre limitaciones El propio equipo señala que el mayor desafío es escalar la tecnología a producción. El dispositivo actual opera a escala de laboratorio. El camino desde aquí hasta chips comerciales implica ingeniería de materiales, integración fotónica y control de fabricación a nanoescala.
En síntesis: el avance es científicamente sólido y revisado por pares. Las proyecciones comerciales son promisorias pero aún especulativas.
Dónde encaja en el mapa de convergencia tecnológica
Para los lectores de convergencia.tech, este avance toca varias fronteras simultáneamente:
Nano ↔ AI: La solución al problema energético de la IA viene de la manipulación de materia a escala atómica —una nanocavidad que confina luz en una sola capa de semiconductor.
Fotónica ↔ QC: Los excitón-polaritones tienen propiedades cuánticas que podrían ser aprovechadas para computación cuántica fotónica, una de las rutas más activas hacia procesadores cuánticos escalables.
Hardware ↔ Sostenibilidad: Con la demanda energética de la IA duplicándose cada pocos meses, innovaciones en el nivel físico del hardware son tan estratégicas como los avances en modelos y algoritmos.
Lo que viene
El equipo de Zhen apunta a que esta plataforma podría convertirse en la base de una nueva generación de chips fotónicos para IA —y eventualmente, en un componente de arquitecturas de computación cuántica fotónica. Los próximos pasos científicos incluyen demostrar operaciones lógicas completas (no solo conmutación individual), integrar el dispositivo con arquitecturas fotónicas existentes y avanzar en la reproducibilidad de fabricación.
El horizonte temporal realista para aplicaciones comerciales es de 5 a 10 años. Pero el proof-of-concept ya existe, está publicado y es medible.
La computación comenzó con electrones en 1945. Tal vez el próximo capítulo lo escriban cuasipartículas que no son del todo luz ni del todo materia.
Fuentes
Wang, Z. et al. (2026). Exciton-polariton switching in atomically thin semiconductors. Physical Review Letters. Universidad de Pensilvania. DOI: 10.1103/gc15-qsvf(artículo fuente primaria)
Nota editorial: convergencia.tech cubre la intersección entre Nanotecnología, Inteligencia Artificial y Computación Cuántica. Este avance es representativo de cómo las tres disciplinas convergen en soluciones al problema energético de la computación moderna.
Camila Soria junto con SuperPioneros hicieron una presentación al respecto, Acá les presento un resumen de la misma junto al grupo Pioneros — la comunidad de Web3, IA e innovación liderada por José Luis Cáceres (CEO de NWC10, fundador de SuperPioneros y CBO de Bit2Me), que reúne a más de 80.000 personas aprendiendo, ayudando y construyendo juntas en el ecosistema. Los sigo hace años, y no es casualidad que este tema haya salido justo de ese espacio: son de los que están un paso adelante marcando por dónde va el debate técnico y legal de la industria en habla hispana.
La presentación de Camila Soria (CipherLaw)
Camila Soria es Chief Legal Architect en CipherLaw, estudio de Buenos Aires especializado en infraestructura legal estratégica para Web3 e IA. El material es la primera edición de «Legal Design for Builders», creada junto a NWC10 | SuperPioneros.
Su planteo, en sus propias palabras (post de LinkedIn que acompaña la presentación):
«Un agente puede tener permiso técnico para operar una wallet y, aun así, no tener autoridad para realizar cualquier operación.»
Durante la charla analizaron qué cambia cuando la IA deja de recomendar y empieza a decidir, firmar y ejecutar pagos. Su conclusión principal: los límites críticos no pueden vivir solamente en un prompt. El monto, la contraparte, la vigencia, las operaciones permitidas y la posibilidad de revocar el acceso tienen que formar parte de la arquitectura del sistema, no de una instrucción en lenguaje natural.
También plantea la necesidad de poder reconstruir la cadena completa — mandato → decisión → control → firma → ejecución — porque cuando algo sale mal, esa evidencia es lo que permite entender dónde ocurrió la falla y quién estaba en mejores condiciones de evitarla.
Las siete ideas centrales, en el orden del documento:
Del agente que habla al agente que paga: «Para el agente que habla, el derecho ya respondió. Para el que paga, recién empieza.»
«Autónomo» no significa lo mismo para todos: «Que vos definas el destino no significa que controles todo el camino.»
El regulador no mira solo el stack técnico: evalúa dominio, acción y derechos afectados — la combinación define el «perfil regulatorio».
Permiso no es lo mismo que autoridad: la autoridad real se define por monto, contraparte, vigencia y tipo de operación.
Quien razona no debería autorizar: «El agente puede razonar. No debería darse permiso a sí mismo.»
Un prompt no es un control: «Dale una llave de hotel, no una llave maestra.»
La responsabilidad sigue al control y al beneficio: como el agente no tiene patrimonio propio, la responsabilidad recae en quien controla el sistema y se beneficia de él.
Cierre su presentación y documento con lo siguiente, si construís agentes que actúan, también tenés que diseñar quién responde por sus acciones.
Fuente: Camila Soria (CipherLaw), presentación «Legal Design for Builders» — primera edición, creada junto a NWC10 | SuperPioneros, LinkedIn.
Mi visión adicional al documento de Camila (agregado, no parte del documento)
Hoy conviven dos modelos de agentes: unos con límite libre y otros con tarjetas prepagas recargables, con tope fijo controlado por un humano. Mastercard lanzó Agent Pay el 17 de septiembre de 2026 junto a Alchemy, donde el usuario define límites configurables: tope de gasto, categorías de comercio permitidas y geografías habilitadas, permitiendo que el agente compre sin pedir autorización en cada transacción, pero siempre dentro de esos parámetros. Fuente: Mastercard lanza Agent Pay con Alchemy — Ecosistema Startup
Si un agente se equivoca, el problema es de programación, no «de la IA»: conecta con el punto 5 del documento — un agente bien diseñado debería derivar a un humano antes de ejecutar una decisión compleja, en vez de resolverlo todo por sí solo.
El FSB (Consejo de Estabilidad Financiera) ya pide ese mismo control a nivel bancario: pidió que bancos limiten la IA agéntica y traten a los agentes como ‘empleados sintéticos’, con aval humano para transacciones por encima de ciertos montos. Fuente: Let’s Money — IA Agéntica
Argentina y la «Sociedad Automatizada»: el gobierno tiene en el Senado un proyecto de ley que introduce esta figura. Según el artículo 14, «la sociedad automatizada responde con su patrimonio frente a terceros por los daños causados por sus sistemas algorítmicos autónomos o agentes de inteligencia artificial». Fuente: Xataka — Milei quiere crear nueva categoría empresarial
Bots que se clonan si ganan y se apagan si pierden: conecta con una tendencia que recién empieza a circular en la industria, los «self-evolving agents». Vale aclarar que esto hoy es más una tendencia conceptual que algo funcionando en producción con dinero real. Fuente: Baguete — Vem aí os self-evolving agents
Mirada a futuro: avanzar, pero con cautela y por etapas (opinión propia)
Siguiendo el planteo de Camila Soria como base, mi lectura de hacia dónde debería ir esto es la siguiente: el futuro es avanzar, pero de forma gradual, no de golpe.
En una primera etapa, tiene sentido que los agentes de IA operen únicamente con tarjetas prepagas y topes bajos, sin manejar grandes volúmenes de dinero. No porque la tecnología no esté lista, sino porque el marco legal todavía no lo está — y como bien marca Soria, sin autoridad clara y sin control técnico real, cualquier volumen grande es un riesgo innecesario. Empezar chico, con montos acotados y recargables, permite que la industria (y la ley) vayan madurando al mismo ritmo que la tecnología, en vez de que la tecnología corra sola y la ley llegue tarde a poner orden.
Ahí es donde entra lo que estamos construyendo en AuriTrace.com: trazabilidad de lo que hacen los agentes de IA, siguiendo patrones que deben cumplirse, con la posibilidad de registrar esa información en una blockchain. Esto conecta directo con uno de los pedidos centrales de Camila Soria en el documento — poder reconstruir la cadena completa de mandato → decisión → control → firma → ejecución. Un registro en blockchain le da a esa cadena algo clave: evidencia inmutable y verificable, exactamente lo que hace falta cuando algo sale mal y hay que determinar quién estaba en mejores condiciones de evitar la falla.
En resumen: la tecnología para que los agentes paguen y actúen solos ya existe. Lo que falta madurar es el círculo completo — tope de gasto controlado por humanos, trazabilidad verificable de cada acción, y un marco legal claro sobre quién responde. Avanzando en ese orden, por etapas, se puede construir un ecosistema de agentes de IA confiable sin repetir errores que después sean difíciles de deshacer. Vos que opinás a la presentación de Camila?? cuales son tus sugerencias.. el futuro lo vamos construyendo entre todos.
Un equipo de la Universidad Julius-Maximilians de Würzburg, liderado por el profesor Bert Hecht, publicó en Nature Communications el desarrollo de nanorrobots impulsados exclusivamente por luz, de menos de un micrómetro de tamaño —unas 50 veces más pequeños que el diámetro de un cabello humano— capaces de capturar, transportar y liberar bacterias de forma selectiva en ambientes acuosos. El trabajo se dio a conocer públicamente el 18 de agosto y combina física, robótica y microbiología en un único dispositivo experimental.
Los nanorrobots se propulsan mediante el retroceso (recoil) que generan fotones al ser absorbidos y reemitidos por nanoantenas plasmónicas integradas en su estructura, un principio físico análogo al retroceso que produce un arma de fuego al disparar. La dirección del movimiento se controla ajustando la polarización de la luz incidente: hilos de antena a escala nanométrica embebidos en el robot se alinean con la dirección de polarización, lo que permite orientar el dispositivo mientras la propulsión continúa impulsada por el propio retroceso fotónico. Los robots pueden ejecutar giros de 90 grados a alta velocidad, lo que les permite recorrer sistemáticamente amplias zonas de una muestra biológica.
Según Jin Qin, científico experimental principal del estudio, el equipo simplificó el diseño del dispositivo hasta lograr un tamaño que le permite operar directamente dentro del mundo microbiano, funcionando de manera similar a un dispositivo de limpieza microscópico. En las demostraciones de laboratorio, los nanorrobots mantuvieron su capacidad de maniobra incluso mientras transportaban cúmulos de bacterias de mayor tamaño relativo, aunque su velocidad se redujo durante ese transporte, lo que demuestra que el sistema puede manipular activamente microorganismos y no limitarse a observarlos.
La posibilidad de manipular objetos biológicos a esta escala con semejante precisión abre aplicaciones concretas para la microbiología y la investigación biomédica: desde experimentos controlados que requieren reubicar microorganismos específicos hasta, a más largo plazo, tareas de «limpieza» selectiva en muestras contaminadas con múltiples especies bacterianas. Se trata todavía de una demostración de laboratorio bajo condiciones controladas, y el camino hacia aplicaciones prácticas en diagnóstico o tratamiento requerirá superar desafíos adicionales de escalabilidad y de operación fuera de un entorno experimental, pero el trabajo confirma que la luz puede utilizarse no solo para observar el mundo microscópico, sino también para intervenir activamente sobre él.
Google DeepMind presentó el 30 de julio Gemini Robotics 2, una nueva generación de modelos de inteligencia artificial diseñados para actuar como la capa de razonamiento e inteligencia dentro de robots físicos, con la novedad de que por primera vez permite controlar de forma coordinada el cuerpo entero de un humanoide —desde las piernas hasta los dedos— y no solo la parte superior del cuerpo, como ocurría con las versiones anteriores del sistema. La demostración se realizó sobre el robot Apollo 2 de Apptronik, equipado con manos Sharpa.
El sistema se compone de tres modelos que trabajan en conjunto: Gemini Robotics 2, el modelo principal de visión-lenguaje-acción que traduce entradas visuales y verbales en órdenes motoras precisas; Gemini Robotics ER 2, un modelo de «razonamiento encarnado» que actúa como planificador de alto nivel, descompone instrucciones complejas en pasos y coordina a más de un robot para completar tareas en conjunto; y un modelo On-Device 2 de baja latencia que permite adaptar el sistema a nuevas plataformas robóticas en cuestión de horas utilizando menos de 200 demostraciones de entrenamiento. En pruebas de la compañía, el sistema logró una tasa de éxito del 92% en una tarea que exige coordinación de cuerpo completo: desenroscar una lámpara sosteniendo el equilibrio con las piernas mientras manipula el objeto con las manos.
El salto respecto de la generación anterior, limitada al control de brazos y manos sobre una base fija, es significativo porque muchos robots humanoides actuales fallan justamente en tareas que requieren estabilización de la parte inferior del cuerpo mientras se ejecuta una manipulación delicada con la parte superior, perdiendo el equilibrio o aplicando fuerza de forma despareja. Gemini Robotics ER 2 ya está disponible en vista previa pública a través de Google AI Studio de forma gratuita, lo que habilita a desarrolladores y estudiantes a experimentar con la planificación de tareas robóticas sin costo, mientras que los modelos completos de control motor permanecen limitados a sus socios de acceso anticipado, entre ellos Apptronik.
Para la industria de la robótica humanoide, que todavía discute qué compañía logrará primero llevar estos sistemas fuera del laboratorio y hacia entornos reales de trabajo, la capacidad de coordinar cuerpo completo es un requisito previo ineludible para tareas cotidianas como limpiar una habitación desordenada o trabajar en una línea de montaje junto a otros robots. La pregunta que sigue abierta es cuánto tiempo pasará antes de que esta inteligencia de cuerpo completo se traduzca en robots capaces de operar de forma confiable y segura junto a trabajadores humanos, sin supervisión constante, en fábricas, depósitos y eventualmente hogares.
AI1 año ago
Nano1 año ago
AI10 meses ago
AI1 año ago