¿Puede la fotónica mantener viva la Ley de Moore?

La ley de Moore establece que el número de transistores en un circuito integrado aumentará aproximadamente cada dos años, junto con la potencia de los ordenadores. Este principio ha sido en gran medida correcto desde 1965. Sin embargo, se puede suponer que Gordon E. Moore, cofundador de Intel (INTC ), nunca consideró que los chips alcanzarían sus limitaciones de miniaturización, provocando que la potencia computacional se rezagara.

Afortunadamente, un equipo de ingenieros de la Universidad de California ha desarrollado un método novedoso que utiliza la fotónica para proporcionar más potencia computacional sin sacrificar el tamaño. Esto es lo que necesitas saber.

Encógelos

El mundo ha estado en una búsqueda para reducir el tamaño de los ordenadores desde su invención. Algunos de tus abuelos incluso pueden recordar cuando los ordenadores requerían una habitación entera y muchas personas para operarlos. Hoy, tu reloj inteligente ofrece más potencia computacional que esos gigantes, y eso es solo la punta del iceberg en términos de microcomputación. El viaje desde una habitación completa hasta la microelectrónica actual ha sido emocionante, lleno de experimentación, descubrimientos y, a veces, fracasos.

Limitaciones físicas y de costo

Cabe destacar que llega un punto en el que la fabricación de componentes tan microscópicos se vuelve prohibitiva en costo. Según la mayoría de los investigadores, el mercado ha alcanzado este punto. Además, las ganancias computacionales no están alineadas con la ley de Moore, ya que los chips más pequeños no pueden proporcionar potencia computacional proporcional a sus contrapartes más grandes.

Por ello, existe una brecha creciente entre la potencia computacional disponible y la que se necesita, lo que lleva a algunos actores bien conocidos del mercado, como el CEO de Nvidia (NVDA ), Jensen Huang, a afirmar que la ley de Moore está muerta, enumerando los procesadores específicos de aplicación como el futuro.

Demanda de ordenadores de alta potencia

El rápido crecimiento de los sistemas de inteligencia artificial y aprendizaje automático ha incrementado la demanda de computación potente y plataformas en la nube. Estas demandas han superado el diseño de chips en términos de rendimiento, creando un cuello de botella en el sector de desarrollo de IA que limita la innovación. Ahora, la carrera está en marcha para proporcionar una solución que pueda estar a la altura de las exigencias de los ordenadores y sistemas de IA de alta potencia de hoy.

Soluciones de potencia computacional

Algunos analistas creen que una solución es crear chips especiales que tengan la lógica y el procesamiento en el mismo chip. Este enfoque ayuda a reducir la latencia y el consumo de energía y mejora el rendimiento. Sin embargo, las limitaciones computacionales siguen haciéndolo poco ideal al tratar con los enormes requisitos de datos de IA.

Computación en memoria

Otra solución que entusiasma a los investigadores es la computación en memoria. Este método de almacenamiento utiliza una RAM de acceso rápido en lugar de un disco duro giratorio. Específicamente, la RAM de una red de ordenadores se configura mediante software intermedio para ejecutar la memoria en paralelo. Este método de almacenamiento es 5000 veces más rápido que los métodos tradicionales, pero aún no puede mantenerse al ritmo de la ley de Moore.

Fotónica

La fotónica es otro método de computación de alta potencia que interesa a los investigadores. La fotónica funciona detectando ondas de luz mediante electrónica. La ciencia gira en torno a generar y controlar la luz mientras pasa a través de una matriz de pesos ópticos programables.

Estos pesos integran una matriz 2D de moduladores ópticos no volátiles que le permiten realizar una transformación lineal sobre un vector de entradas ópticas. Esta estrategia ofrece velocidades de conmutación más rápidas que los métodos de computación basados en RAM.

Limitaciones actuales de la fotónica

Algunas de las desventajas de la fotónica en la computación incluyen que los sistemas actuales solo pueden reescribirse aproximadamente 1000 veces. Esta vida útil limitada los convierte en una opción costosa. Además, los pesos ópticos tienen baja densidad de almacenamiento y la programación es más lenta que la de los chips tradicionales.

Los sistemas de computación fotónica vienen en diversas formas y diseños. Sin embargo, estos sistemas requieren procesos de fabricación especializados que son mucho más costosos que sus contrapartes. A pesar de las limitaciones de costo, muchos investigadores creen que la fotónica es el futuro de la computación y que la ley de Wright es la clave para su implementación.

Ley de Wright

También está la ley de Wright, que seguirá desempeñando un papel en nuestra capacidad de avanzar en los semiconductores. Esta ley es un principio de fabricación propuesto por el ingeniero aeronáutico Theodore Paul Wright. Mientras trabajaba en una planta de fabricación de aviones, observó que los requerimientos de mano de obra disminuían un 15 % a medida que los procesos de fabricación mejoraban, incluso cuando los niveles de producción aumentaban.

Estos ahorros de costos provienen de procesos mejorados, tecnología, sistemas de recuperación y otras actualizaciones realizadas durante la producción. Por ello, muchos analistas creen que la ley de Wright ayudará a que la fotónica sea una opción más disponible y menos costosa en el futuro.

Puedes observar que la ley de Wright ya se está aplicando en el sector de IA. Hace unos años, habría sido imposible para la persona promedio acceder o operar un sistema de IA. Crear modelos de IA, gestionarlos y actualizarlos era simplemente demasiado costoso. Además, nadie había creado una forma fiable para que la IA interactuara con los humanos.

Sin embargo, desde que programas como ChatGPT llegaron al mercado, cualquiera ahora puede utilizar estas poderosas herramientas para mejorar su eficiencia y creatividad. Estos sistemas integran grandes modelos de lenguaje que facilitan que cualquier persona los opere mediante simples indicaciones de chat. Este desarrollo impulsó la adopción de IA a niveles sin precedentes, lo que llevó a la escasez actual de potencia computacional.

Estudio de fotónica

El estudio Óptica magneto‑óptica no recíproca integrada con resistencia ultra alta para la computación fotónica en memoria¹  publicado en la revista Nature Photonics revela un nuevo método de computación óptica que podría revolucionar el mercado. El estudio profundiza en la codificación de pesos ópticos para la computación fotónica en memoria en detalle.

Fuente – Nature

Los investigadores optaron por usar celdas de memoria magneto‑ópticas y una arquitectura fotónica basada en resonancia para lograr sus objetivos computacionales. La estrategia se basa en un desplazamiento de fase no recíproco en materiales magneto‑ópticos como medio para implementar la computación fotónica en memoria.

Un nuevo modelo matemático permitió al equipo probar materiales magneto‑ópticos. Descubrieron que el granate de hierro de itrio sustituido con cerio (YIG) les permitía utilizar un campo magnético externo para controlar la propagación de la luz. Esta luz controlada podía entonces usarse para realizar cálculos.

El estudio demostró cómo diminutos imanes pueden almacenar datos de manera eficiente y acceder a ellos a una velocidad relámpago.

El proceso de codificación de los imanes funciona ajustando la fuerza del dominio magnético de la unidad. Para operar el dispositivo, las señales electrónicas deben convertirse al dominio óptico mediante moduladores electro‑ópticos (E/O) para la programación y el almacenamiento. A partir de ahí, los fotodetectores balanceados (BPD) convierten la señal óptica diferencial de nuevo a una señal eléctrica para que la lógica CMOS pueda procesarla junto con la SRAM.

Prueba de fotónica

Para probar su celda de memoria magneto‑óptica no volátil, los investigadores configuraron varios enfoques. Comenzaron con una entrada eléctrica de 2 bits que les permitió obtener dos pesos ópticos positivos y dos negativos. A partir de ahí, se manipuló el campo magnético para observar los cambios.

Granate de hierro de itrio sustituido con cerio (YIG)

Se cultivó en laboratorio un YIG monocristalino de 500 nm de espesor mediante un método de pulverización por radiofrecuencia a 750 °C para la fase de pruebas. Específicamente, el equipo decidió usar una oblea con un radio de anillo de 35 µm. Además, se integró una capa de óxido de silicio de 10 nm de espesor como medio para separar la capa de silicio de la capa de Ce: YIG.

Programación fotónica

Programar el estado de la celda de memoria requiere un campo magnético radial en el plano suministrado por un electroimán de oro integrado. El sistema puede medir electrónicamente los cambios de pérdida óptica según la dirección y el campo magnético aplicado a través de una película ferromagnética delgada.

Esta disposición crea un campo magnético programable y no volátil, lo que permite a los ingenieros inducir un desplazamiento de fase óptico no recíproco en la celda de memoria. Cabe destacar que el estudio documentó tanto los modos horario (CW) como antihorario (CCW) de un resonador de micro‑anillo como medio para programar y acceder a los datos computacionales.

Ciclo de vida de la fotónica

Probar el ciclo de vida de la memoria fue otro paso. El equipo programó un generador de funciones arbitrario que alternaba entre pulsos de escritura y borrado como parte de su enfoque. El sistema se ajustó a una frecuencia de 10 kHz. Luego, los ingenieros utilizaron una amplitud de ±5 V y una duración de pulso de 500 ns para replicar la reescritura en condiciones reales. Los resultados fueron reveladores.

Resultados de la fotónica

Los resultados de las pruebas demostraron cómo este nuevo método de fotónica podría cambiar la computación para siempre. Por un lado, el nuevo sistema mostró capacidades de reescritura casi ilimitadas. Específicamente, se lograron 2,4 mil millones de ciclos de programación.

Además, los ingenieros determinaron que utilizar desplazamientos de fase no recíprocos en materiales magneto‑ópticos permite programarlos de manera determinista, rápida y eficiente. Los datos mostraron que una velocidad de programación de aproximadamente 1 GHz era posible. Asimismo, el equipo logró una no volatilidad y una codificación multinivel que supera los métodos actuales. En consecuencia, esta investigación podría revolucionar el mercado de ordenadores en el futuro.

Beneficios de la fotónica

Varios beneficios convierten el estudio de la fotónica en un cambio de juego. Por un lado, el nuevo sistema puede ejecutar operaciones complejas que requieren una enorme potencia computacional. Estos sistemas son ideales para operaciones de IA y aprendizaje automático que requieren multiplicación matriz‑vector y otras ciencias avanzadas.

Latencia reducida

Los científicos descubrieron que la fotónica ofrece velocidades superiores en comparación con las opciones tradicionales. La fase de pruebas reveló un acceso a la memoria de 1 ns. Esta tasa es 100 veces más rápida que los dispositivos fotónicos anteriores, abriendo la puerta a un nuevo nivel de innovación.

Consumo de energía reducido

La eficiencia energética es otro beneficio que el sistema fotónico aporta al mercado. Este sistema puede reprogramar y acceder a la memoria con una fracción de los requisitos de energía de otras opciones. El equipo logró una eficiencia de 143 fJ por bit, situando los requisitos del nuevo sistema en 1/10 de los de otras opciones fotónicas.

Reprogramable

Una de las mayores ventajas de la investigación en fotónica es la revelación de que estos dispositivos tienen un ciclo de reprogramación casi infinito. Ninguna otra opción de almacenamiento computacional ofrece a los usuarios la capacidad de reescribir datos +2Bx. Por lo tanto, esta investigación científica podría tener un efecto resonante en los centros de datos.

Investigadores de fotónica

La investigación en fotónica fue liderada por Santa Barbara, John Bowers y Galan Moody. Paolo Pintus, Nathan Youngblood, Yuya Shoji y Mario Dumont también desempeñaron papeles cruciales en la investigación y desarrollo del sistema fotónico. Ahora, el equipo buscará ampliar su investigación a otros materiales para encontrar la mejor opción que impulse la revolución de IA del mañana.

Empresas que pueden beneficiarse de la investigación en fotónica

Existen una variedad de empresas que podrían utilizar esta investigación para mejorar sus productos y servicios. Las redes de computación en la nube y los centros de datos son dos sectores evidentes que verán un gran aumento en los ingresos si pueden implementar esta tecnología. Aquí hay una empresa que está perfectamente posicionada para aprovechar esta información.

Snowflake

Snowflake (SNOW ) ingresó al mercado de computación en la nube en 2012. Tiene su sede en Montana y fue cofundada por Benoît Dageville, Thierry Cruanes y Marcin Żukowski para proporcionar computación en la nube de alto rendimiento al mercado. Hoy, Snowflake desempeña un papel crucial al permitir a las empresas almacenar, migrar y procesar datos en la nube.

Snowflake es vista por muchos como una de las mejores opciones de inversión debido a su compromiso con la innovación, servicios de vanguardia y posicionamiento. Recientemente, la compañía ha sido noticia por su iniciativa One Million Minds + One Platform, que busca capacitar a millones de trabajadores en IA para 2029.

Snowflake es uno de los nombres más reputados en el sector de computación en la nube. Actualmente, maneja más de 4,2 mil millones de consultas diarias y cuenta con más de 10 000 clientes, incluidas 800 empresas que han aparecido en las listas de Forbes. Este apoyo y base de clientes podrían impulsar el interés en las acciones de la compañía.

Si Snowflake pudiera implementar un sistema de almacenamiento fotónico en un centro de datos, podría obtener retornos de inversión masivos. El sistema ocuparía menos espacio, requeriría menos energía y produciría mucho menos calor. Además, tendría una vida útil de reescritura ilimitada mientras podría ofrecer menor latencia a sus clientes. A su vez, esto podría impulsar los ingresos.

Fotónica – usando la luz para llevar la computación al siguiente nivel

La fotónica podría ser lo que el mundo necesita para desbloquear un nuevo nivel de comprensión computacional. Esta tecnología ofrece la longevidad y sostenibilidad que los ingenieros buscan hoy. En consecuencia, muchos ven esta investigación como crucial para el movimiento de IA. Todos estos factores significan que el movimiento de computación fotónica llega en el momento justo.

Aprende sobre otros proyectos de computación interesantes aquí.

Referencia del estudio:

^{1. Pintus, P., Dumont, M., Shah, V., et al. (2025). Óptica magneto‑óptica no recíproca integrada con resistencia ultra alta para la computación fotónica en memoria. Nature Photonics, 19(1), 54–62. https://doi.org/10.1038/s41566-024-01549-1}