Las redes neuronales artificiales suelen aprender mediante algoritmos de optimización como el descenso de gradiente, que ajusta de forma paulatina parámetros del modelo para reducir los errores.

La tasa de aprendizaje actúa como el tamaño del paso de estos ajustes: los pequeños valores aseguran un progreso cauteloso y estable hacia una solución; los mayores hacen botes más atrevidos que corren el riesgo de pasarse de frenada.

Este proceso es generalmente estable y explotador y refina de forma constante la solución actual, como un excursionista que sigue un sendero bien marcado.

Cuando la tasa de aprendizaje crece, los investigadores del IFISC encontraron que la dinámica de entrenamiento se vuelve sensible a pequeñas diferencias en los puntos de partida, una característica distintiva del caos: dos redes neuronales casi idénticas pueden divergir de forma drástica durante la acción de aprender.

Los investigadores rastrearon las rutas que siguen los parámetros de la red durante el entrenamiento y midieron su sensibilidad a los puntos de partida.

Con pequeñas tasas de aprendizaje, todo fluye de forma suave y ordenada y con valores enormes, mientras que el caos total hace que el aprendizaje colapse.

No obstante, justo en esa zona intermedia, donde la exploración y la explotación se equilibran, las redes aprenden representaciones precisas y el entrenamiento se vuelve sorprendentemente más rápido.

El fenómeno se observó en diferentes arquitecturas de redes neuronales, funciones de activación y conjuntos de datos, lo que sugiere que podría representar una robusta característica de la dinámica de aprendizaje en los sistemas estudiados.

El anuncio tuvo lugar en un simposio celebrado en la ciudad oriental de Shanghái, donde la responsable de semiconductores de la compañía, He Tingbo, propuso sustituir el criterio clásico de reducción geométrica de los transistores por otro basado en el tiempo, identificado con la letra griega tau, como eje para optimizar dispositivos, circuitos, chips y sistemas, según una nota de la empresa.

La carrera por los chips: cómo se volvió geopolítica la fabricación de semiconductores

De acuerdo con la compañía, ese enfoque se apoya en tecnologías como ‘LogicFolding’, una arquitectura que reorganiza circuitos en capas activas apiladas verticalmente para acortar rutas, elevar la densidad de transistores y mejorar el rendimiento sin depender exclusivamente de nuevos nodos de fabricación.

La Ley de Moore

En su argumentación, Huawei contrapone esa propuesta a la llamada ley de Moore, la idea que durante décadas sirvió de referencia a la industria al asumir que el número de transistores en un chip podía duplicarse aproximadamente cada dos años con la continua miniaturización de sus componentes.

Cómo funcionan los procesadores actuales y por qué la Ley de Moore ya no se cumple

Según la compañía, ese modelo afronta ya “límites físicos” y un deterioro de sus retornos económicos.

Huawei asegura que una aplicación de esa metodología en un sistema en chip móvil permitió aumentar un 55 % la densidad de transistores y mejorar un 41 % la eficiencia energética a igualdad de nodo.

La firma añadió asimismo que ha diseñado y producido en masa 381 chips basados en este principio en los últimos seis años, y avanzó que los procesadores Kirin previstos para el otoño de 2026 serán los primeros en incorporar la arquitectura ‘LogicFolding’.

Según Huawei, sus chips de gama alta basados en esta teoría podrían alcanzar para 2031 una densidad equivalente a la de procesos de 1,4 nanómetros, un objetivo que, de lograrse hoy, situaría a esos diseños por delante de los procesos de 2 nanómetros, entre los más avanzados actualmente en producción.

Autosuficiencia tecnológica

El anuncio se enmarca en los esfuerzos de China por reforzar su autosuficiencia tecnológica. Ya el pasado septiembre, Huawei anunció para 2026 el chip de IA Ascend 950PR, dentro de una hoja de ruta orientada a reforzar la capacidad china de cálculo avanzado.

Washington mantiene desde hace años restricciones que limitan el acceso de la compañía a semiconductores avanzados y ha señalado expresamente a sus chips Ascend como un riesgo potencial para la industria estadounidense, mientras China trata de reforzar su capacidad nacional en un sector considerado estratégico.