De Silicio a Luz: La Próxima Ola de Hardware de IA

A medida que la inteligencia artificial (IA) sigue creciendo en popularidad y potencia, también lo hace su apetito por la velocidad y la energía. La necesidad de sistemas más rápidos, más inteligentes y más eficientes ha llevado a los investigadores a explorar una alternativa radical: la computación óptica.

A diferencia de los procesadores tradicionales que utilizan electrones, la computación óptica emplea fotones, o partículas de luz, para transmitir y procesar información. Este cambio ofrece dos ventajas críticas.

Primero, los fotones son significativamente eficientes en energía. Producen mucho menos calor que los electrones, los cuales generan tanto calor que limita su rendimiento y requiere sistemas de refrigeración grandes y costosos en los centros de datos.

Segundo, la luz viaja mucho, mucho más rápido que las corrientes eléctricas, lo que permite operaciones dramáticamente más rápidas. Las señales ópticas también pueden transportar más información, ofreciendo una vía sencilla hacia una computación más limpia y veloz.

Como resultado, ahora hay un interés creciente en la computación fotónica. La tecnología está mostrando resultados prometedores en entornos de laboratorio y atrayendo inversiones significativas de grandes empresas.

Sin embargo, trasladar ese éxito de laboratorio a dispositivos fotónicos prácticos ha demostrado ser bastante difícil. Para ello, primero debemos superar varios obstáculos. Los fotones no interactúan naturalmente entre sí, lo que dificulta la construcción de puertas lógicas ópticas que son fundamentales para la computación. Además, la tecnología aún está en fase de investigación, por lo que no cuenta con la madurez y las economías de escala que la fabricación de chips electrónicos ha alcanzado tras décadas de comercialización.

Luego están el costo, el volumen y las bajas tasas de modulación que restringen la mayoría de los sistemas ópticos existentes. 

Un nuevo estudio ha dado un paso importante hacia la superación de algunas limitaciones al desarrollar un nuevo motor óptico, que combina velocidad, eficiencia y compacidad en un chip.

Investigadores de la Universidad Tsinghua han desarrollado un sistema óptico revolucionario para la computación que realiza extracción de características con una latencia sin precedentes, lo que tiene el potencial de revolucionar el procesamiento de IA.

El uso de la luz en lugar de la electricidad para procesar datos permite que la tecnología acelere la computación de manera significativa mientras minimiza la latencia, un gran salto hacia la IA en tiempo real.

En el núcleo de este nuevo sistema se encuentra un interferómetro Mach-Zehnder basado en amplificador óptico semiconductor, o SOA-MZI. 

Un SOA es un dispositivo compacto que amplifica directamente señales de luz mediante emisión estimulada. Mientras tanto, el MZI, uno de los instrumentos ópticos más antiguos, es un dispositivo básico de interferencia de guía de ondas compuesto por dos acopladores conectados por dos guías de ondas de diferentes longitudes.

Ahora, la configuración SOA-MZI permite que la luz realice el trabajo que sustenta el aprendizaje profundo. La información aquí se procesa, y las características como patrones y bordes son detectados en la señal de luz, sin convertir las de nuevo a electricidad.

Además, un multiplexado por división de longitud de onda (WDM), método que utiliza el dispositivo. Este método en particular divide la luz en un espectro de colores, con cada color transportando su propio flujo de datos. Aprovechar el WDM permite que el chip ejecute muchos cálculos en paralelo, por lo que aumenta el rendimiento. 

Cuando se probó en el laboratorio, el motor procesó datos a velocidades de hasta 10 gigabits por segundo (Gbps) por canal con una latencia de apenas decenas de picosegundos (ps). Para contextualizar, un ps equivale a 1.000 femtosegundos o una milésima de nanosegundo.

Estos resultados demuestran que el motor es mucho más rápido que cualquier procesador electrónico podría posiblemente esperar alcanzar.

Lo que esta velocidad significa es que el sistema puede procesar información en tiempo real, lo que lo hace perfecto para aplicaciones como el comercio de alta frecuencia, la imaginería médica, cirugía robótica, o vehículos autónomos. Estas aplicaciones dependen de la capacidad de la IA para extraer características clave de los datos sin procesar a gran velocidad, por lo que incluso los milisegundos son de gran importancia. 

El Avance: Motor Óptico de Tsinghua y IA en Tiempo Real

La ley de Moore dice que el número de transistores en un microchip se duplica aproximadamente cada dos años. Esto resulta en un aumento de la potencia de cálculo, una disminución del costo, y en general dispositivos más pequeños.

Esta tendencia, que ha impulsado la innovación en la industria de semiconductores, ahora parece estar llegando a su fin. Al haberse reducido a tamaños de solo unos pocos nanómetros, los tamaños de los transistores están acercándose a los límites físicos de la tecnología basada en silicio.

Además del tamaño más pequeño, que conduce al túnel de electrones y corrientes de fuga que aumentan el consumo de energía y la generación de calor, el costo de fabricar microchips de vanguardia se ha disparado. Mientras tanto, el propio silicio está alcanzando sus límites de rendimiento y escalabilidad.

Esto es la razón por la que los investigadores y las empresas han estado explorando soluciones alternativas como chiplets, system-in-package (SiP), memoria no volátil, computación cuántica, biocomputación y, por supuesto, fotónica. 

Entre estas alternativas, la fotónica muestra una promesa particular para aplicaciones de