Investigadores de la Universidad Dongguk, en Corea del Sur, desarrollaron un dispositivo electrónico flexible y sin batería que capta energía del movimiento humano y la usa para alimentar funciones neuromórficas de detección y aprendizaje.
Con el tiempo, la tecnología podría usarse en sistemas vestibles de monitoreo de salud, piel electrónica, prótesis inteligentes, interfaces entre personas y máquinas, y equipos de seguimiento del movimiento, sin baterías convencionales ni fuente de energía externa.
El sistema recuerda al reloj Seiko Kinetic, lanzado en 1988, que también aprovechaba la energía del movimiento de quien lo llevaba puesto.
¿Cómo funciona?
El equipo, dirigido por el profesor Sejoon Lee, del Departamento de Semiconductores de Sistemas de la Universidad Dongguk, combinó un nanogenerador triboeléctrico (TENG) con un transistor flexible de canal de grafeno y compuerta de gel iónico (g-IGT).
El TENG convierte estímulos mecánicos, como el movimiento del cuerpo, un roce o una vibración, en señales eléctricas. Esas señales activan directamente las funciones sinápticas artificiales del dispositivo. O sea, puede detectar movimiento y procesar información sin una fuente de energía eléctrica aparte.
"En la percepción táctil humana, los mecanorreceptores detectan hasta las perturbaciones mecánicas más pequeñas y las convierten en impulsos neuronales", dijo Lee.
"Para replicar este proceso de forma electrónica, integramos un nanogenerador triboeléctrico con un g-IGT que convierte los estímulos mecánicos en señales eléctricas que regulan directamente el comportamiento sináptico artificial, sin necesidad de energía externa".
Memoria y reconocimiento de actividades
Los investigadores demostraron varias formas de memoria artificial. Van desde una memoria sensorial que dura unos 70 milisegundos hasta una memoria de corto plazo de entre 0,2 y 0,45 segundos. Con estimulación repetida, el sistema también puede pasar a un estado de memoria de más largo plazo, que dura más de dos segundos.
El dispositivo se probó además con una red neuronal artificial diseñada para reconocer seis actividades humanas, entre ellas caminar, sentarse, estar de pie y subir escaleras. Usando el comportamiento medido en los experimentos, el sistema clasificó las actividades con 88,05% de precisión mientras el dispositivo flexible estaba doblado.
Según los investigadores, la tecnología podría permitir a la larga sistemas de IA vestibles que reúnan detección, memoria, aprendizaje y procesamiento de información, reduciendo o eliminando su dependencia de las baterías.
"Nuestra investigación podría aportar a una nueva generación de sistemas de inteligencia artificial vestibles que funcionen con una dependencia mínima de baterías o de recursos de cómputo externos", dijo Lee.
"En términos más amplios, nuestro trabajo apunta hacia una electrónica neuromórfica autoalimentada que integre detección, memoria, aprendizaje y procesamiento de información en una sola plataforma flexible".
La investigación se publicó en Advanced Materials en julio de 2026.
