¿Y si una cámara pudiera reconocer detalles visuales importantes antes incluso de que su procesador recibiera una imagen? Las metasuperficies ópticas están acercando esta posibilidad a su aplicación práctica. Estas estructuras extremadamente delgadas manipulan la luz entrante para realizar operaciones que normalmente requieren cálculos electrónicos. Pueden resaltar contornos, filtrar información visual y preparar imágenes para su análisis mediante inteligencia artificial mientras la luz todavía atraviesa el sistema óptico de la cámara. Las investigaciones publicadas en 2026 han demostrado que las metasuperficies pueden contribuir a tareas de visión artificial considerablemente más complejas, como la detección de objetos y la interpretación de escenas. Esta tecnología podría ayudar en el futuro a que las cámaras, las máquinas autónomas y los equipos de diagnóstico por imagen respondan con mayor rapidez y consuman menos energía. Sin embargo, su verdadera importancia no reside en eliminar los procesadores convencionales, sino en cambiar la forma en que los componentes ópticos y electrónicos se reparten el trabajo de interpretar la información visual.

Cómo procesan las imágenes las metasuperficies ópticas mediante la luz

Las cámaras digitales convencionales suelen seguir una secuencia conocida. La luz atraviesa una lente y llega a un sensor de imagen, donde se convierte en señales eléctricas. Después, los datos obtenidos se procesan electrónicamente para ajustar el contraste, identificar contornos, reconocer objetos o realizar otras tareas visuales. Este procedimiento resulta muy eficaz, pero analizar grandes cantidades de imágenes detalladas puede exigir importantes recursos informáticos. El problema se vuelve especialmente evidente en dispositivos que deben funcionar continuamente, reaccionar de inmediato y utilizar una cantidad limitada de energía. Las metasuperficies ópticas ofrecen otra posibilidad: realizar determinadas operaciones de procesamiento de imágenes antes de que la luz entrante se transforme en información digital.

Una metasuperficie es una estructura óptica extremadamente delgada que contiene elementos microscópicos distribuidos según patrones cuidadosamente diseñados. Estos elementos suelen ser más pequeños que la longitud de onda de la luz que controlan. Al modificar sus dimensiones, formas y posiciones, los investigadores pueden influir en la manera en que la luz atraviesa el material o se refleja en él. A diferencia de una lente convencional, cuya función principal consiste en desviar la luz para formar una imagen, una metasuperficie computacional puede diseñarse para modificar la información espacial de esa imagen. Por ejemplo, puede reforzar los límites entre objetos, suprimir determinados detalles o generar un patrón óptico que contenga información útil para el reconocimiento. La disposición de las estructuras microscópicas determina qué operación realiza el dispositivo.

El principio fundamental es que la luz se comporta como una onda. Cuando atraviesa una metasuperficie especialmente diseñada, las distintas partes de la onda interactúan de una forma que permite reproducir determinadas operaciones matemáticas de manera natural. En lugar de pedirle a un procesador que examine píxeles individuales y calcule dónde aparecen los contornos, un dispositivo óptico puede hacer que esos límites resulten más visibles en la luz que llega al sensor. Este procedimiento se conoce como computación óptica analógica. No significa que la luz comprenda una imagen o tome decisiones de manera independiente. Lo que sucede es que su comportamiento físico realiza una transformación previamente definida, proporcionando al sistema electrónico una representación diferente y potencialmente más útil de la escena original.

De las lentes convencionales al procesamiento óptico de imágenes

La diferencia entre una lente tradicional y una metasuperficie computacional se comprende mejor mediante un ejemplo sencillo. Imaginemos una cámara que observa un objeto oscuro sobre un fondo claro. Una lente convencional forma una imagen en la que pueden verse tanto el interior del objeto como el fondo que lo rodea. En cambio, una metasuperficie diseñada para detectar contornos puede destacar la transición entre ambas regiones. La imagen óptica resultante ofrece una representación más marcada de la silueta del objeto, lo que puede ayudar a un sistema de reconocimiento posterior a identificar su forma. Para conseguirlo, la metasuperficie no necesita almacenar imágenes ni ejecutar instrucciones de software. Su estructura física determina cómo se transforma la luz entrante.

Los investigadores consiguen este comportamiento mediante técnicas como el filtrado espacial. Una imagen contiene variaciones amplias de luminosidad, además de detalles pequeños, como bordes y texturas. Los diferentes patrones de interferencia óptica pueden reforzar o debilitar estos componentes antes de que la imagen alcance el sensor. Algunas metasuperficies realizan operaciones similares a la diferenciación matemática utilizada en los programas convencionales de procesamiento de imágenes. Otras están diseñadas para reconocer determinados patrones espaciales o manipular la luz según su polarización. Estas capacidades resultan especialmente interesantes porque muchos métodos habituales de procesamiento de imágenes comienzan con operaciones parecidas, incluso cuando su objetivo final consiste en tareas complejas, como identificar vehículos, detectar defectos o examinar muestras biológicas.

Es importante señalar que una metasuperficie óptica no tiene por qué sustituir completamente a la lente de una cámara ni a su procesador digital. Puede funcionar como un componente óptico adicional, una lente plana especialmente diseñada o una parte de un sistema de captura de imágenes que combine elementos ópticos y electrónicos. El sensor sigue teniendo que captar la luz transformada, mientras que los componentes electrónicos suelen encargarse de interpretar el resultado. Los investigadores también deben tener en cuenta las condiciones de iluminación, la calidad de imagen y la variedad de colores o ángulos de visión que admite cada diseño. Por tanto, la mayor ventaja práctica podría encontrarse en combinar el preprocesamiento óptico con la informática convencional, en lugar de intentar trasladar todas las etapas de la visión artificial al sistema óptico.

Qué han conseguido los investigadores hasta 2026

Los avances científicos registrados entre 2024 y 2026 han demostrado que las metasuperficies ópticas pueden hacer mucho más que enfocar la luz. Un estudio publicado en Nature Communications en 2024 presentó una metasuperficie reconfigurable para la detección óptica de contornos mediante dióxido de vanadio, un material cuyas propiedades ópticas cambian con la temperatura. Los investigadores demostraron que variaciones térmicas relativamente pequeñas alrededor de los 65 °C podían modificar considerablemente la respuesta óptica del dispositivo. Este resultado es importante porque muchas de las primeras metasuperficies computacionales estaban diseñadas para realizar una única operación fija. La incorporación de cambios controlados permite ajustar el procesamiento óptico sin sustituir físicamente el dispositivo. Aunque el funcionamiento mediante control de temperatura no resulte necesariamente ideal para todas las cámaras portátiles, el experimento estableció una vía importante hacia componentes ópticos adaptables.

En 2025 aparecieron nuevos avances. Una investigación publicada en Light: Science & Applications describió un procesador óptico de imágenes que utilizaba un material de cambio de fase para alternar entre la detección de contornos y la formación de imágenes de campo claro. En lugar de emplear configuraciones ópticas independientes para estas funciones, los investigadores demostraron distintos modos de funcionamiento dentro de un mismo diseño de metasuperficie. Otros trabajos abordaron limitaciones ópticas prácticas, como la sensibilidad a la polarización y los ángulos de visión restringidos. Un estudio publicado en Optics Letters demostró la detección de contornos independientemente de la polarización alrededor de una longitud de onda de 1.064 nanómetros, con un ancho de banda operativo de 48 nanómetros y una apertura numérica de hasta 0,5. Estos resultados muestran avances hacia procesadores ópticos capaces de trabajar en condiciones de captura menos restrictivas, aunque el intervalo de longitudes de onda demostrado sigue estando fuera del espectro visible utilizado en la fotografía convencional.

Un avance especialmente importante llegó en junio de 2026, cuando los investigadores publicaron en Nature el estudio Optical Metasurfaces for General Vision Processing on the Edge. El proyecto combinó un componente óptico basado en metasuperficies, con aproximadamente 41 millones de parámetros físicos de diseño, y una red neuronal digital con unos 87.000 parámetros. La investigación fue más allá de las demostraciones centradas exclusivamente en el filtrado sencillo de imágenes o el reconocimiento de patrones muy controlados. Su arquitectura óptico-electrónica se evaluó en tareas complejas de visión artificial, como la detección de objetos, la segmentación de imágenes, la reconstrucción tridimensional y la interpretación de vídeo. Los investigadores también construyeron un prototipo funcional y demostraron el procesamiento visual en tiempo real de escenas naturales. Estos resultados son importantes porque muestran cómo un componente óptico especializado puede contribuir a una comprensión visual más amplia, en lugar de limitarse a ejecutar una única operación aislada.

Cómo contribuye la computación óptica a la inteligencia artificial

Los sistemas modernos de visión artificial suelen utilizar redes neuronales que analizan patrones en diferentes niveles. Las primeras etapas del procesamiento pueden identificar contornos, texturas y características locales de una imagen, mientras que las etapas posteriores combinan esa información para reconocer objetos y comprender las relaciones existentes dentro de una escena. Las metasuperficies ópticas resultan especialmente relevantes para las fases iniciales porque determinadas transformaciones matemáticas pueden representarse mediante la forma en que la luz atraviesa estructuras diseñadas específicamente. En lugar de reproducir un modelo completo de inteligencia artificial mediante componentes ópticos, los investigadores pueden trasladar determinadas operaciones al sistema óptico de la cámara. Después, un modelo electrónico más pequeño interpreta la información transformada y completa las tareas que necesitan cálculos adicionales.

La investigación publicada en Nature en 2026 constituye un ejemplo de esta distribución del trabajo. Su componente óptico se diseñó siguiendo principios utilizados en visión artificial, como reconocer similitudes, dirigir la atención hacia información relevante y combinar detalles pequeños con un contexto visual más amplio. El componente digital complementario interpretaba las características ópticas obtenidas. Esta combinación permitió al equipo investigador abordar tareas que las redes neuronales ópticas convencionales habían tenido dificultades para realizar con niveles comparables de complejidad. También pone de manifiesto una distinción importante: los 41 millones de parámetros ópticos corresponden a características físicas de la metasuperficie, no a 41 millones de cálculos electrónicos ejecutados para cada imagen. Por consiguiente, el número de parámetros, por sí solo, no permite determinar cuánta energía ahorra el sistema completo ni cómo se compara su rendimiento con el de un procesador convencional.

Otras investigaciones de 2026 han estudiado formas de reducir directamente la carga de trabajo digital. Un estudio sobre un sistema híbrido formado por una metalente y un sensor de imagen basado en muestreo compresivo propuso combinar la extracción óptica de contornos con la captura selectiva de información visual. Otro enfoque experimental utilizó un codificador metaóptico para realizar ópticamente parte del proceso de segmentación de imágenes. En este último estudio, los investigadores comunicaron aproximadamente 800 veces menos operaciones computacionales y 12.000 veces menos parámetros de modelo que en su diseño de referencia más grande, aunque con una contrapartida en términos de precisión. Estos resultados demuestran las posibles ventajas de trasladar operaciones cuidadosamente seleccionadas al hardware óptico, pero no deben interpretarse como mejoras universales de velocidad o consumo energético. La ventaja real depende de la tarea concreta, de la configuración de la cámara y del sistema utilizado como referencia para la comparación.

Aplicaciones prácticas y desafíos pendientes

Una de las aplicaciones más prometedoras es la visión artificial industrial, donde las cámaras inspeccionan productos, supervisan líneas de producción e identifican defectos de fabricación. Estos sistemas suelen necesitar detectar pequeñas variaciones de forma o apariencia superficial mientras procesan imágenes continuamente. Una metasuperficie diseñada para destacar los contornos relevantes podría reducir las exigencias de algunas tareas de inspección para los componentes electrónicos asociados. Por ejemplo, el preprocesamiento óptico podría ayudar a resaltar la silueta de una pieza o facilitar la diferenciación de determinados patrones visuales. Sin embargo, el filtro óptico debe seleccionarse teniendo en cuenta la tarea de inspección. Un dispositivo que mejora la visibilidad de los contornos también puede eliminar información sobre colores o texturas necesaria para detectar otros tipos de defectos.

Los vehículos autónomos, los drones y los robots móviles representan otro posible campo de aplicación. Sus sistemas de visión deben interpretar entornos cambiantes y, al mismo tiempo, gestionar limitaciones de consumo energético, peso y generación de calor. El preprocesamiento óptico podría resultar útil para reconocer estructuras visuales o preparar la información de los sensores antes de enviarla a un sistema de percepción más amplio. Los componentes compactos pueden ser especialmente interesantes para dispositivos aéreos pequeños y máquinas alimentadas por baterías. No obstante, una navegación fiable requiere mucho más que detectar contornos. Los objetos en movimiento, las condiciones de iluminación difíciles, la lluvia, los reflejos y los obstáculos parcialmente ocultos plantean problemas que el filtrado óptico no puede resolver por sí solo. Cualquier cámara asistida por metasuperficies destinada a aplicaciones críticas para la seguridad necesitaría pruebas exhaustivas junto con sensores de imagen convencionales y sistemas electrónicos de percepción.

La obtención de imágenes médicas y científicas también podría beneficiarse del procesamiento óptico especializado. Los microscopios necesitan con frecuencia revelar diferencias sutiles entre estructuras difíciles de distinguir mediante mediciones convencionales de luminosidad. Las metasuperficies pueden diseñarse para modificar el contraste, resaltar contornos o analizar propiedades ópticas que las imágenes habituales no registran directamente. Las investigaciones también han demostrado sistemas basados en metasuperficies capaces de registrar información compleja sobre la polarización de la luz en una sola exposición, lo que podría reducir la necesidad de componentes ópticos voluminosos. Estas técnicas podrían contribuir a la observación biológica, el análisis de materiales y los equipos de diagnóstico especializados. Sin embargo, las demostraciones de laboratorio no deben confundirse con métodos diagnósticos aprobados para uso clínico. Las aplicaciones médicas requieren pruebas de precisión, reproducibilidad y fiabilidad en condiciones reales antes de poder utilizarse de forma habitual en la atención a pacientes.

Por qué las metasuperficies ópticas todavía no son componentes habituales de las cámaras

A pesar de los prometedores resultados experimentales, varias limitaciones impiden que las metasuperficies computacionales se conviertan en sustitutos universales del procesamiento convencional de imágenes. La primera está relacionada con la flexibilidad. Una metasuperficie pasiva típica tiene un diseño físico fijo, por lo que cambiar la operación para la que fue concebida puede requerir un componente diferente. Los materiales reconfigurables ofrecen posibles soluciones, pero pueden introducir requisitos adicionales relacionados con la temperatura, el control eléctrico o la conmutación óptica. Otro desafío es el rendimiento bajo distintas condiciones de iluminación. Algunos experimentos funcionan mejor con determinadas longitudes de onda, una polarización controlada o configuraciones ópticas específicas. Las cámaras de consumo, en cambio, deben trabajar con luz natural que contiene numerosas longitudes de onda y funcionar a diferentes distancias, ángulos y niveles de luminosidad.

La fabricación y la integración presentan dificultades adicionales. Las metasuperficies dependen de estructuras extremadamente pequeñas cuyas dimensiones deben controlarse con precisión durante su producción. Las pequeñas desviaciones pueden alterar la forma en que el dispositivo terminado manipula la luz, especialmente cuando el diseño depende de efectos de interferencia muy precisos. Los investigadores también deben considerar la transmisión de luz, la luminosidad de las imágenes, la compatibilidad con los sensores y la alineación de los componentes ópticos. Un procesador óptico que genere características visuales útiles, pero deje pasar muy poca luz hasta el sensor, puede funcionar deficientemente en entornos oscuros. Además, algunas operaciones eliminan información de manera intencionada. Si un dispositivo resalta los contornos mientras suprime otros detalles visuales, el software posterior no siempre podrá reconstruir lo que se ha perdido. Por eso, elegir correctamente la transformación óptica resulta especialmente importante.

A finales de 2026, las metasuperficies ópticas siguen siendo un campo de investigación activo, más que una solución habitual para la visión artificial de propósito general. Los avances más convincentes se orientan hacia sistemas híbridos en los que los componentes ópticos realizan las transformaciones adecuadas y los procesadores electrónicos se encargan de las etapas más flexibles de reconocimiento y toma de decisiones. El progreso futuro dependerá de demostrar mejoras constantes en dispositivos completos, no simplemente operaciones ópticas individuales más rápidas. Los investigadores tendrán que comparar la precisión, el consumo energético, los costes de fabricación y la fiabilidad en condiciones realistas. El logro fundamental ya resulta evidente: el procesamiento de imágenes no tiene por qué comenzar únicamente cuando la luz se convierte en datos digitales. Mediante el diseño de su propio recorrido, las metasuperficies ópticas ofrecen una forma diferente de distribuir el trabajo computacional dentro de las cámaras inteligentes.