--- title: Desarrollo de semiconductores AI para dispositivos portátiles en KAIST url: https://www.elseif.net/es/desarrollo-de-semiconductores-ai-para-dispositivos-portatiles-en-kaist published: 2026-09-30T12:05:35+00:00 language: es section: Modelos source: https://www.aitimes.kr/news/articleView.html?idxno=42100 organizations: dual-timescale, kaist, postech, unist publisher: elseif --- # Desarrollo de semiconductores AI para dispositivos portátiles en KAIST Un equipo de investigación de KAIST, junto con UNIST y POSTECH, ha desarrollado una tecnología que permite leer simultáneamente cambios recientes y anteriores en los movimientos corporales. Esta tecnología utiliza semiconductores apilados en capas, que reaccionan a diferentes velocidades, para distinguir entre movimientos como caminar y agitar el brazo brevemente. El equipo, liderado por el profesor Kwon Ji-min de la Facultad de Sistemas de Inteligencia Artificial de KAIST, creó materiales que contienen iones en una fina capa sólida, lo que facilitó la apilación de semiconductores de diferentes velocidades de respuesta. Esta innovación es significativa, ya que permite que un dispositivo pequeño analice movimientos y señales corporales. Los semiconductores desarrollados cambian el flujo de corriente eléctrica al aplicar electricidad, y los iones dentro del material tardan un tiempo en volver a su estado original después de cortar la electricidad. Esto permite que el semiconductor retenga temporalmente las señales anteriores, similar a un eco. El equipo utilizó esta característica para detectar señales pasadas gracias al movimiento más lento de los iones. El avance clave fue regular el tiempo en que estas señales quedan registradas. Anteriormente, los materiales utilizados eran líquidos o geles, lo que complicaba la creación de semiconductores precisos y apilados. Al controlar la cantidad de iones y el grosor de la capa, el equipo logró desarrollar dispositivos que responden rápidamente a nuevas señales y otros que mantienen información por más tiempo. La investigación demostró que los dispositivos pueden distinguir entre 16 patrones de señales dependiendo del orden en que se encienden y apagan. Además, se modeló un sistema capaz de identificar imágenes en movimiento con una precisión de más del 90%. La estabilidad eléctrica de los dispositivos se mantuvo durante 55 meses de mediciones. Este avance podría permitir que pequeños dispositivos manejen información variable en función del tiempo, como las señales del cuerpo humano. Sin embargo, se requieren más pruebas para evaluar el rendimiento y la eficiencia energética cuando se aplican en dispositivos como relojes inteligentes.