Un cable que mejora al encogerse

Cada cable de cobre dentro de tu celular tiene un defecto de nacimiento: entre más delgado lo haces, peor conduce. Los electrones empiezan a rebotar contra las paredes del cable y la resistencia se dispara. Es el cuello de botella que hoy frena a los chips.

Un equipo probó lo contrario. Un nanohilo de arseniuro de niobio —NbAs— de 40 nanómetros, más fino que muchos virus, baja su resistividad a 10,5 µΩ·cm: unos 70 % menos que el mismo material en bloque. Encoger el cable lo mejoró.

Paper: Surface-dominant transport in Weyl semimetal NbAs nanowires for next-generation interconnects — Cheon et al., Science, 393(6808), 2026. DOI: 10.1126/science.adx3027

De dónde viene el problema

Dentro de un chip, los transistores hacen el cálculo, pero son los interconectores —diminutos cables de cobre— los que mueven la señal de un lado a otro. Al miniaturizar el chip, esos cables se adelgazan, y ahí el cobre falla: por debajo de ~100 nm su resistividad sube rápido porque los electrones chocan contra las superficies del cable.

El NbAs pertenece a una familia rara llamada semimetales de Weyl: materiales donde parte de la corriente viaja por estados que viven en la superficie del cristal, no en su interior. La idea del paper es que, al encoger el hilo, esa superficie pesa más frente al volumen, y por eso conducir mejora en lugar de empeorar.

Ojo con la certeza: que la conducción sea dominada por la superficie es una explicación que los cálculos teóricos (DFT) atribuyen al hilo — no algo medido directo. El dato duro y medido es la resistividad; el mecanismo es la hipótesis que lo explica.

Aquí no tenemos la curva resistividad-vs-diámetro (vive en una figura del paper que está tras muro de pago). Pero sí tenemos las tablas del material suplementario: cómo bota el calor, cuánta corriente aguanta y de qué está hecho. Vamos a esos datos.

# ══════════════════════════════════════════════════════════════
# Configuración — modifica estos valores para explorar
# ══════════════════════════════════════════════════════════════
RESISTIVIDAD_40NM = 10.5      # µΩ·cm — resistividad del nanohilo de 40 nm (medida)
RESISTIVIDAD_INCERT = 1.9     # ± µΩ·cm
REDUCCION_VS_BULK = 70        # % menos que el material en bloque
DIAMETRO_MIN = 40             # nm — diámetro más fino sintetizado
K_NBAS = 109.68              # W/m·K — conductividad térmica, monocristal
K_CU = 401                   # W/m·K — cobre, la referencia
FUENTE = 'Fuente: Cheon et al. (2026), Science | Datos: Supplementary Tables S4-S8'

COLOR_DATOS = '#2563EB'       # NbAs, nuestra estrella
COLOR_ALERTA = '#DC2626'      # contraste / cobre en breakdown
COLOR_METAL = '#059669'       # metales de referencia (Ru, Co)
COLOR_REFERENCIA = '#D97706'  # umbral / cobre

# Fórmulas con subíndices Unicode para las etiquetas de gráficas
FORMULA = {'WTe2': 'WTe₂', 'Cd3As2': 'Cd₃As₂', 'TaSe3': 'TaSe₃'}
def formula(m):
    return FORMULA.get(m, m)

import os, urllib.request
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.patches import Patch

# Estilo CaM (local → /tmp inyectado → GitHub raw)
BASE = 'https://raw.githubusercontent.com/Ciencia-a-Mordiscos/lab/main'
style_file = '../../cam.mplstyle'
if not os.path.exists(style_file):
    style_file = '/tmp/cam.mplstyle'
    if not os.path.exists(style_file):
        urllib.request.urlretrieve(f'{BASE}/cam.mplstyle', style_file)
plt.style.use(style_file)

# Carga de las 4 tablas del material suplementario
termica = pd.read_csv('datos/conductividad_termica_materiales.csv')
ruptura = pd.read_csv('datos/densidad_corriente_ruptura.csv')
edx = pd.read_csv('datos/composicion_edx.csv')
lowk = pd.read_csv('datos/dielectricos_low_k.csv')

nbas_bd = ruptura[ruptura['este_trabajo'] == 1]['densidad_ruptura_ma_cm2']
print(f'Resistividad NbAs 40 nm : {RESISTIVIDAD_40NM} ± {RESISTIVIDAD_INCERT} microhm-cm  ({REDUCCION_VS_BULK}% menos que el bloque)')
print(f'Conductividad termica   : {K_NBAS} W/m-K  (cobre = {K_CU})')
print(f'Breakdown NbAs 40 nm    : n={len(nbas_bd)}, mediana={nbas_bd.median():.1f}, rango {nbas_bd.min()}-{nbas_bd.max()} MA/cm2')
print(f'Nanohilos analizados EDX: {(edx["muestra"] != "Bulk").sum()}')

Resistividad NbAs 40 nm : 10.5 ± 1.9 microhm-cm  (70% menos que el bloque)
Conductividad termica   : 109.68 W/m-K  (cobre = 401)
Breakdown NbAs 40 nm    : n=6, mediana=42.2, rango 25.8-78.7 MA/cm2
Nanohilos analizados EDX: 4

Primero, algo que no debería pasar

Un buen interconector no solo lleva corriente: tiene que sacar el calor que genera, o el chip se cocina. Los metales lo hacen bien (el cobre es campeón). Los materiales cuánticos exóticos, casi nunca — suelen ser pésimos conductores de calor.

¿En cuál grupo cae el NbAs?

# Conductividad térmica: metales vs semimetales topológicos (monocristal)
sc = termica[termica['cristalinidad'] == 'Single crystal'].copy()
# Añadir cobre y dos metales policristalinos de referencia interconnect
metales = termica[termica['material'].isin(['Cu', 'Ru', 'Co'])][['material', 'conductividad_termica_wmk']]
comp = pd.concat([sc[['material', 'conductividad_termica_wmk']], metales], ignore_index=True)
comp = comp.drop_duplicates('material').sort_values('conductividad_termica_wmk', ascending=False).reset_index(drop=True)

def color_de(m):
    if m == 'Cu':
        return COLOR_REFERENCIA
    if m in ('Ru', 'Co'):
        return COLOR_METAL
    if m == 'NbAs':
        return COLOR_DATOS
    return '#BBBBBB'

colores = [color_de(m) for m in comp['material']]

fig, ax = plt.subplots(figsize=(13, 5.5))
xpos = np.arange(len(comp))
barras = ax.bar(xpos, comp['conductividad_termica_wmk'], color=colores,
                edgecolor='white', linewidth=0.6, zorder=3)
ax.set_xticks(xpos)
ax.set_xticklabels([formula(m) for m in comp['material']])
for b, v in zip(barras, comp['conductividad_termica_wmk']):
    ax.text(b.get_x() + b.get_width()/2, v + 6, f'{v:.0f}', ha='center', va='bottom',
            fontsize=9, color='#555555', fontweight='bold')

ax.set_title('¿Un material cuántico que bota el calor como un metal?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Conductividad térmica a temperatura ambiente (monocristal salvo Ru y Co)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_ylabel('Conductividad térmica (W/m·K)')
ax.set_ylim(0, 440)

handles = [Patch(color=COLOR_REFERENCIA, label='Cobre (referencia)'),
           Patch(color=COLOR_METAL, label='Metales (Ru, Co)'),
           Patch(color=COLOR_DATOS, label='NbAs (este trabajo)'),
           Patch(color='#BBBBBB', label='Otros semimetales')]
ax.legend(handles=handles, loc='upper right', fontsize=9, framealpha=0.9)

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/conductividad_termica.png', dpi=200, bbox_inches='tight')
plt.show()

El NbAs se sienta entre el rutenio y el cobalto, dos metales que la industria ya estudia como reemplazo del cobre. Está en la liga de los metales para mover calor — muy lejos del pelotón de semimetales de la derecha (TaAs, WTe₂, Cd₃As₂), que apenas conducen.

Dos honestidades: el cobre sigue arriba de todos (401 contra 110, casi cuatro veces), y entre los semimetales el NbAs no es el mejor — el NbP lo supera. Lo notable no es que gane, sino que un material con física de Weyl mueva calor como un metal común, algo que casi ningún primo suyo logra.

¿Y de verdad es NbAs a esa escala?

Fabricar un cristal perfecto de 40 nm es difícil: es fácil terminar con más niobio que arsénico, o al revés, y eso arruinaría las propiedades. Antes de creerle a cualquier medición, toca preguntar si el hilo tiene la composición correcta.

El equipo midió la proporción de átomos (Nb frente a As) en cuatro nanohilos con espectroscopía de rayos X (EDX). Un NbAs perfecto es 1 a 1.

# Proporción atómica Nb:As en cada nanohilo (1.0 = estequiometría perfecta)
nw = edx[edx['muestra'] != 'Bulk'].reset_index(drop=True)
bulk_ratio = edx[edx['muestra'] == 'Bulk']['nb_as_atomic_ratio'].iloc[0]

fig, ax = plt.subplots(figsize=(11, 5))
x = np.arange(len(nw))
ax.axhline(1.0, color='#666666', linewidth=1.3, linestyle='--', zorder=2)
ax.text(len(nw) - 0.5, 1.001, 'NbAs perfecto (1:1)', ha='right', va='bottom',
        fontsize=9, color='#666666', style='italic')
# banda de incertidumbre típica de EDX (±4% en la proporción)
ax.axhspan(0.96, 1.04, color='#BBBBBB', alpha=0.18, zorder=1)
ax.text(0.02, 0.97, 'margen típico de EDX (±4 %)', transform=ax.transAxes,
        fontsize=8, color='#999999', va='top')

ax.scatter(x, nw['nb_as_atomic_ratio'], color=COLOR_DATOS, s=90, alpha=0.9,
           edgecolors='white', linewidths=0.8, zorder=5)
for xi, yi in zip(x, nw['nb_as_atomic_ratio']):
    ax.text(xi, yi + 0.004, f'{yi:.3f}', ha='center', va='bottom', fontsize=9,
            color=COLOR_DATOS, fontweight='bold')

ax.set_title('¿Los nanohilos son NbAs de verdad?', fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Proporción atómica Nb:As medida por EDX en cada nanohilo',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xticks(x)
ax.set_xticklabels([n.replace('Nanowire', 'Nanohilo') for n in nw['muestra']], fontsize=10)
ax.set_ylabel('Proporción atómica Nb:As')
ax.set_ylim(0.94, 1.06)

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/composicion_edx.png', dpi=200, bbox_inches='tight')
plt.show()

print(f'Proporción media Nb:As en nanohilos: {nw["nb_as_atomic_ratio"].mean():.3f}')
print(f'Desviación máxima respecto a 50/50: {(nw[["nb_at_pct","as_at_pct"]] - 50).abs().max().max():.1f} puntos porcentuales')

Proporción media Nb:As en nanohilos: 1.012
Desviación máxima respecto a 50/50: 0.9 puntos porcentuales

Los cuatro nanohilos caen dentro del margen de error de la técnica: la desviación mayor es de menos de un punto porcentual respecto al 50/50. El proceso de fabricación no rompió la receta — sigue siendo NbAs, átomo por átomo.

Composición correcta y buen manejo del calor. Falta la prueba dura de un cable: ¿cuánta corriente aguanta antes de fundirse?

# Densidad de corriente de ruptura: NbAs @40nm vs otras alternativas nanoscópicas
np.random.seed(42)
grupos = [
    ('NbAs 40 nm\n(este trabajo)', ruptura[ruptura['este_trabajo'] == 1]['densidad_ruptura_ma_cm2'].values, COLOR_DATOS),
    ('Cobre',   ruptura[ruptura['material'] == 'Cu nanowire']['densidad_ruptura_ma_cm2'].values, COLOR_REFERENCIA),
    ('TaSe₃',   ruptura[ruptura['material'] == 'TaSe3 nanowire']['densidad_ruptura_ma_cm2'].values, '#BBBBBB'),
    ('WTe₂',    ruptura[ruptura['material'].str.startswith('WTe2')]['densidad_ruptura_ma_cm2'].values, '#BBBBBB'),
]
posiciones = [0, 1.2, 2.4, 3.4]

fig, ax = plt.subplots(figsize=(11, 5.5))
for pos, (nombre, vals, color) in zip(posiciones, grupos):
    n = len(vals)
    xj = np.linspace(pos - 0.12, pos + 0.12, n)
    np.random.shuffle(xj)
    ax.scatter(xj, vals, color=color, s=55, alpha=0.75, edgecolors='white',
               linewidths=0.6, zorder=5)
    ax.plot([pos - 0.18, pos + 0.18], [vals.mean(), vals.mean()], color=color,
            linewidth=2.6, zorder=6)

ax.set_title('¿Cuánta corriente aguanta antes de fundirse?', fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Densidad de corriente de ruptura de cables nanoscópicos (línea = media del grupo)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xticks(posiciones)
ax.set_xticklabels([g[0] for g in grupos], fontsize=9, fontweight='bold')
for tick, g in zip(ax.get_xticklabels(), grupos):
    tick.set_color(g[2] if g[2] != '#BBBBBB' else '#777777')
ax.set_ylabel('Corriente de ruptura (MA/cm²)')
ax.set_ylim(0, 165)
ax.text(0.98, 0.02, '━ media del grupo', transform=ax.transAxes, fontsize=8,
        color='#999999', ha='right', va='bottom', style='italic')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/corriente_ruptura.png', dpi=200, bbox_inches='tight')
plt.show()

nb = grupos[0][1]
print(f'NbAs 40 nm: n={len(nb)}, media={nb.mean():.1f}, mediana={np.median(nb):.1f}, rango {nb.min()}-{nb.max()} MA/cm2')
print(f'Cobre: {sorted(grupos[1][1].tolist())} MA/cm2')

NbAs 40 nm: n=6, media=46.3, mediana=42.2, rango 25.8-78.7 MA/cm2
Cobre: [100.0, 145.0] MA/cm2

Aquí toca ser justos: el cobre aguanta más corriente (100 y 145 contra una mediana de 42 en el NbAs). Si la pregunta fuera solo «cuánta corriente resiste», el cobre gana.

Pero el NbAs deja atrás a los otros candidatos exóticos —TaSe₃ y WTe₂— y llega a picos de casi 79 MA/cm². O sea: aguanta corrientes enormes sin que ese sea siquiera su punto fuerte. Su ventaja real está en la resistividad y en el manejo del calor, no en el breakdown.

Pongamos ese número en el mapa de todos los cables nanoscópicos reportados.

# Dónde cae el NbAs en el paisaje de corriente de ruptura reportada
todos = ruptura['densidad_ruptura_ma_cm2'].values
es_nbas = ruptura['este_trabajo'].values == 1
media_nbas = todos[es_nbas].mean()
cu_max = ruptura[ruptura['material'] == 'Cu nanowire']['densidad_ruptura_ma_cm2'].max()

fig, ax = plt.subplots(figsize=(10, 5))
bins = np.linspace(0, 160, 9)
ax.hist([todos[~es_nbas], todos[es_nbas]], bins=bins, stacked=True,
        color=['#BBBBBB', COLOR_DATOS], edgecolor='white', linewidth=0.8,
        label=['Otras alternativas', 'NbAs 40 nm'])
y_max = 5.2
ax.set_ylim(0, y_max)

ax.axvline(media_nbas, color=COLOR_DATOS, linewidth=2.2)
ax.text(media_nbas + 2, y_max * 0.9, f'NbAs\nmedia {media_nbas:.0f}', color=COLOR_DATOS,
        fontsize=9, fontweight='bold', va='top')
ax.axvline(cu_max, color=COLOR_REFERENCIA, linewidth=2.2)
ax.text(cu_max - 2, y_max * 0.9, f'Cobre\n{cu_max:.0f}', color=COLOR_REFERENCIA,
        fontsize=9, fontweight='bold', va='top', ha='right')
ax.annotate('', xy=(cu_max, y_max * 0.45), xytext=(media_nbas, y_max * 0.45),
            arrowprops=dict(arrowstyle='<->', color='#666666', lw=1.4))
ax.text((media_nbas + cu_max)/2, y_max * 0.48, 'el cobre todavía lidera',
        ha='center', va='bottom', fontsize=8.5, color='#666666', style='italic')

ax.set_title('¿Dónde queda el NbAs entre todos los cables nano?', fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Distribución de la corriente de ruptura reportada (14 conductores nanoscópicos)',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Corriente de ruptura (MA/cm²)')
ax.set_ylabel('Número de conductores')
ax.legend(loc='upper left', fontsize=9, framealpha=0.9)

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/histograma_ruptura.png', dpi=200, bbox_inches='tight')
plt.show()

Lo que los datos soportan

Afirmación	¿Soportada?	Detalle
El nanohilo de 40 nm baja su resistividad ~70 % frente al bloque	✅	Dato medido del abstract (10,5 ± 1,9 µΩ·cm). La curva completa vive en el paper paywalled; aquí se cita, no se re-mide.
La conducción es «dominada por la superficie»	⚠️	Mecanismo atribuido por cálculos DFT, no medido directo. Explica la resistividad, pero es la hipótesis, no el dato.
El NbAs bota el calor como un metal	✅	109,68 W/m·K (monocristal), en la liga de Ru (117) y Co (100). Pero es el 27 % del cobre (401) y el NbP lo supera.
Los nanohilos son NbAs estequiométrico	✅	Proporción atómica Nb:As media 1,012; desviación máxima <1 punto porcentual, dentro del margen de EDX.
El NbAs aguanta más corriente que el cobre	❌	Falso: el cobre (100–145) supera al NbAs (mediana 42 MA/cm²). El NbAs sí bate a TaSe₃ y WTe₂.

Limitaciones: la resistividad-vs-diámetro (el hallazgo central) no está en estos CSV — se cita del abstract. Las comparaciones de breakdown y térmica usan pocos puntos por material (n=2–6), suficientes para ubicar órdenes de magnitud, no para tests estadísticos finos. El mecanismo de superficie es teórico (DFT), no una medición directa.

Ahora tú

1. ¿Y si el cobre no fuera la vara? En la celda del histograma, cambia cu_max por el valor de otro material (TaSe₃ llega a 32) y mira cómo se mueve la flecha. ¿Contra quién sí gana claramente el NbAs?

2. La liga térmica. En la gráfica hero, ¿qué pasa si separas metales y semimetales en dos grupos y sacas la media de cada uno? Prueba comp.groupby(...) — ¿de qué lado cae el NbAs?

3. El margen de EDX. La banda gris asume ±3 %. Si la estrechas a ±1 % (axhspan(0.99, 1.01, ...)), ¿algún nanohilo se sale? ¿Qué tan exigente es «estequiométrico»?

# --- EXPERIMENTA AQUÍ ---
# ¿Cuántas veces mejor conductor de calor es el NbAs que el promedio
# de los otros semimetales topológicos (excluyendo NbP y MoP)?
sc = termica[termica['cristalinidad'] == 'Single crystal']
otros = sc[~sc['material'].isin(['NbP', 'NbAs', 'MoP'])]['conductividad_termica_wmk']

print(f'NbAs (monocristal)      : {K_NBAS:.1f} W/m·K')
print(f'Otros semimetales (media): {otros.mean():.1f} W/m·K  ->  {", ".join(sc[~sc["material"].isin(["NbP","NbAs","MoP"])]["material"])}')
print(f'El NbAs conduce {K_NBAS / otros.mean():.1f}x mejor el calor que ese grupo.')
print(f'Frente al cobre, en cambio, es apenas el {K_NBAS / K_CU * 100:.0f}%.')

NbAs (monocristal)      : 109.7 W/m·K
Otros semimetales (media): 12.1 W/m·K  ->  TaAs, WTe2, Cd3As2
El NbAs conduce 9.1x mejor el calor que ese grupo.
Frente al cobre, en cambio, es apenas el 27%.

---

Fuentes

Paper: Surface-dominant transport in Weyl semimetal NbAs nanowires for next-generation interconnects
Science, 2026-07-16 · paywall

Supplementary Material: Tablas S4, S5, S7, S8
Science, 2026-07-16 · datos abiertos

13 afirmaciones del notebook verificadas contra estas fuentes

---

Notebook del Lab de Ciencia a Mordiscos. Código y datos reproducibles en GitHub. Licencia de los datos: material suplementario de Science, uso educativo con atribución.