Um único feixe de luz executa IA com potência de supercomputador

Um único feixe de luz executa IA com potência de supercomputador

Um único feixe de luz executa IA com potência de supercomputador

As operações tensoriais são uma forma de matemática avançada que suporta muitas tecnologias modernas, especialmente a inteligência artificial. Essas operações vão muito além dos cálculos simples que a maioria das pessoas encontra. Uma maneira útil de imaginá-los é imaginar a manipulação de um cubo de Rubik em diversas dimensões ao mesmo tempo, girando, fatiando ou reorganizando suas camadas. Os humanos e os computadores tradicionais devem dividir essas tarefas em sequências, mas a luz pode realizar todas elas ao mesmo tempo.

Hoje, as operações de tensores são essenciais para sistemas de IA envolvidos no processamento de imagens, compreensão de linguagem e inúmeras outras tarefas. À medida que a quantidade de dados continua a crescer, o hardware digital convencional, como as GPUs, enfrenta crescente pressão em termos de velocidade, uso de energia e escalabilidade.

Pesquisadores demonstram computação de tensor de disparo único com luz

Para enfrentar esses desafios, uma equipe internacional liderada pelo Dr. Yufeng Zhang, do Grupo de Fotônica do Departamento de Eletrônica e Nanoengenharia da Universidade Aalto, desenvolveu uma abordagem fundamentalmente nova. Seu método permite que cálculos complexos de tensores sejam concluídos dentro de um único movimento de luz através de um sistema óptico. O processo, descrito como computação de tensor de disparo único, funciona na velocidade da luz.

“Nosso método executa os mesmos tipos de operações que as GPUs atuais realizam, como convoluções e camadas de atenção, mas faz todas elas na velocidade da luz”, diz o Dr. “Em vez de depender de circuitos eletrônicos, usamos as propriedades físicas da luz para realizar muitos cálculos simultaneamente”.

Codificando informações em luz para computação em alta velocidade

A equipe conseguiu isso incorporando informações digitais na amplitude e fase das ondas de luz, transformando dados numéricos em variações físicas dentro do campo óptico. À medida que essas ondas de luz interagem, elas realizam automaticamente procedimentos matemáticos como multiplicação de matrizes e tensores, que formam a base do aprendizado profundo. Ao trabalhar com vários comprimentos de onda de luz, os pesquisadores expandiram sua técnica para suportar operações de tensores ainda mais complexas e de ordem superior.

“Imagine que você é um funcionário da alfândega que deve inspecionar cada pacote através de múltiplas máquinas com funções diferentes e depois separá-los nas caixas certas”, diz Zhang. “Normalmente, você processaria cada pacote um por um. Nosso método de computação óptica mescla todos os pacotes e todas as máquinas – criamos vários ‘ganchos ópticos’ que conectam cada entrada à sua saída correta. Com apenas uma operação, uma passagem de luz, todas as inspeções e classificação acontecem instantaneamente e em paralelo.”

Processamento óptico passivo com ampla compatibilidade

Um dos benefícios mais marcantes deste método é a pouca intervenção que requer. As operações necessárias ocorrem por conta própria à medida que a luz viaja, de modo que o sistema não precisa de controle ativo ou comutação eletrônica durante o cálculo.

“Esta abordagem pode ser implementada em quase qualquer plataforma óptica”, diz o professor Zhipei Sun, líder do Grupo de Fotônica da Universidade Aalto. “No futuro, planejamos integrar esta estrutura computacional diretamente em chips fotônicos, permitindo que processadores baseados em luz executem tarefas complexas de IA com consumo de energia extremamente baixo”.

Caminho em direção ao futuro hardware de IA baseado em luz

Zhang observa que o objetivo final é adaptar a técnica ao hardware e às plataformas existentes utilizadas pelas principais empresas de tecnologia. Ele estima que o método poderá ser incorporado a tais sistemas dentro de 3 a 5 anos.

“Isso criará uma nova geração de sistemas de computação óptica, acelerando significativamente tarefas complexas de IA em uma infinidade de campos”, conclui.

O estudo foi publicado em Fotônica da Natureza em 14 de novembro de 2025.

Share this content:

Publicar comentário