A Fotônica pode manter a Lei de Moore viva?

A lei de Moore determina que o número de transistores em um circuito integrado aumentará aproximadamente a cada dois anos, juntamente com o poder de computação. Esse princípio tem sido amplamente correto desde 1965. No entanto, pode‑se supor que Gordon E. Moore, cofundador da Intel (INTC ), nunca considerou que os chips atingiriam seus limites de miniaturização, fazendo com que o poder computacional ficasse atrasado.

Felizmente, uma equipe de engenheiros da Universidade da Califórnia desenvolveu um método inovador que utiliza fotônica para fornecer mais poder computacional sem sacrificar o tamanho. Veja o que você precisa saber.

Encolha‑os

O mundo tem buscado encolher os computadores desde sua invenção. Alguns de seus avós podem até lembrar quando os computadores exigiam uma sala inteira e muitas pessoas para operá‑los. Hoje, seu smartwatch fornece mais poder computacional do que esses gigantes, e isso é apenas a ponta do iceberg em termos de microcomputação. A jornada de uma sala inteira até a microeletrônica atual tem sido empolgante, repleta de experimentação, descobertas e, às vezes, falhas.

Limitações Físicas e de Custo

Notavelmente, há um ponto em que a fabricação de componentes tão microscópicos se torna proibitiva em termos de custo. Segundo a maioria dos pesquisadores, o mercado já atingiu esse ponto. Além disso, os ganhos computacionais não estão alinhados com a lei de Moore, pois os chips menores não conseguem fornecer poder de computação proporcional aos seus equivalentes maiores.

Assim, há um crescente hiato entre o poder computacional disponível e o necessário, levando alguns players bem‑conhecidos do mercado, como o CEO da Nvidia (NVDA ), Jensen Huang, a afirmar que a lei de Moore está morta, apontando processadores específicos de aplicação como o futuro.

Demanda por Computadores de Alta Potência

O crescimento repentino da inteligência artificial e dos sistemas de aprendizado de máquina aumentou a demanda por computação poderosa e plataformas em nuvem. Essas exigências superaram o design dos chips em termos de desempenho, criando um gargalo no setor de desenvolvimento de IA que limita a inovação. Agora, a corrida está em curso para oferecer uma solução que possa atender às demandas dos computadores de alta potência e dos sistemas de IA atuais.

Soluções de Poder Computacional

Alguns analistas acreditam que uma solução é criar chips especiais que tenham a lógica e o processamento no mesmo chip. Essa abordagem ajuda a reduzir a latência e o consumo de energia e melhora o desempenho. No entanto, as limitações computacionais ainda a tornam inadequada ao discutir os requisitos massivos de dados de IA.

Computação em Memória

Outra solução que entusiasma os pesquisadores é a computação em memória. Esse método de armazenamento utiliza RAM de acesso rápido em vez de um disco rígido giratório. Especificamente, a RAM de uma rede de computadores é configurada usando software middleware para executar a memória em paralelo. Esse método de armazenamento é 5000 vezes mais rápido que os métodos tradicionais, mas ainda não consegue acompanhar a lei de Moore.

Fotônica

A fotônica é outro método de computação de alta potência que desperta o interesse dos pesquisadores. A fotônica funciona detectando ondas de luz usando eletrônica. A ciência gira em torno de gerar e controlar a luz enquanto ela passa por uma matriz de pesos ópticos programáveis.

Esses pesos integram uma matriz 2D de moduladores ópticos não voláteis que permitem realizar uma transformação linear em um vetor de entradas ópticas. Essa estratégia oferece velocidades de comutação mais rápidas que os métodos de computação em RAM.

Limitações Atuais da Fotônica

Algumas desvantagens da fotônica na computação incluem o fato de que os sistemas atuais podem ser reescritos apenas cerca de 1000 vezes. Essa vida útil limitada os torna uma opção cara. Além disso, os pesos ópticos têm baixa densidade de armazenamento e a programação é mais lenta que os chips tradicionais.

Sistemas de computação fotônica vêm em várias formas e designs. No entanto, esses sistemas requerem processos de fabricação especializados que são muito mais caros que seus equivalentes. Apesar das restrições de custo, muitos pesquisadores acreditam que a fotônica é o futuro da computação e que a lei de Wright é a chave para sua implementação.

Lei de Wright

Existe também a lei de Wright, que continuará a desempenhar um papel em nossa capacidade de avançar os semicondutores. Essa lei é um princípio de fabricação proposto pelo engenheiro aeronáutico Theodore Paul Wright. Enquanto trabalhava em uma fábrica de aeronaves, ele percebeu que os requisitos de mão‑de‑obra diminuíram 15 % à medida que os processos de fabricação melhoravam, mesmo com o aumento dos níveis de produção.

Essas economias de custo vieram de processos aprimorados, tecnologia, sistemas de recuperação e outras melhorias realizadas durante a produção. Assim, muitos analistas acreditam que a lei de Wright ajudará a tornar a fotônica uma opção mais disponível e menos cara no futuro.

Você pode ver a lei de Wright já se manifestando no setor de IA. Há alguns anos, seria impossível para a pessoa média acessar ou operar um sistema de IA. Criar modelos de IA, gerenciá‑los e atualizá‑los era simplesmente caro demais. Além disso, ninguém havia criado um método confiável para a IA interagir com humanos.

No entanto, desde que programas como o ChatGPT chegaram ao mercado, qualquer pessoa pode agora utilizar essas ferramentas poderosas para melhorar sua eficiência e criatividade. Esses sistemas integram grandes modelos de linguagem que facilitam a operação a partir de simples prompts de chat. Esse desenvolvimento impulsionou a adoção de IA de forma extraordinária, levando à escassez atual de poder computacional.

Estudo de Fotônica

O estudo “Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing”¹ publicado na revista Nature Photonics revela um novo método de computação óptica que poderia revolucionar o mercado. O estudo aprofunda a codificação de pesos ópticos para computação fotônica em memória em detalhes.

Fonte – Nature

Os pesquisadores optaram por usar células de memória magneto‑ópticas e uma arquitetura fotônica baseada em ressonância para alcançar seus objetivos computacionais. A estratégia baseia‑se em deslocamento de fase não recíproco em materiais magneto‑ópticos como meio de implementar a computação fotônica em memória.

Um novo modelo matemático permitiu à equipe testar materiais magneto‑ópticos. Eles descobriram que o granada de ferro de ítrio substituído por cério (YIG) lhes permitia utilizar um campo magnético externo para controlar a propagação da luz. Essa luz controlada poderia então ser usada para realizar cálculos.

O estudo demonstrou como pequenos ímãs podem armazenar dados de forma eficiente e acessá‑los em velocidade relâmpago.

O processo de codificação dos ímãs funciona ajustando a força do domínio magnético da unidade. Para operar o dispositivo, sinais eletrônicos devem ser convertidos para o domínio óptico usando moduladores eletro‑ópticos (E/O) para programação e armazenamento. A partir daí, detectores fotodiodos balanceados (BPDs) convertem o sinal óptico diferencial de volta para um sinal elétrico, permitindo que a lógica CMOS o processe juntamente com a SRAM.

Teste de Fotônica

Para testar sua célula de memória magneto‑óptica não volátil, os pesquisadores configuraram várias abordagens. Eles começaram com uma entrada elétrica de 2 bits que lhes permitiu obter dois pesos ópticos positivos e dois negativos. A partir daí, o campo magnético foi manipulado para monitorar as alterações.

Granada de Ferro de Ítrio Substituída por Cério (YIG),

Um YIG monocristalino com espessura de 500 nm foi cultivado em laboratório usando um método de sputtering por radiofrequência a 750 °C para a fase de teste. Especificamente, a equipe decidiu usar uma lâmina com raio de anel de 35 µm. Além disso, uma camada de óxido de silício de 10 nm de espessura foi integrada como forma de separar a camada de silício da camada Ce: YIG.

Programação de Fotônica

Programar o estado da célula de memória requer um campo magnético radial no plano fornecido por um eletroímã de ouro integrado. O sistema pode medir eletronicamente as mudanças na perda óptica dependendo da direção e do campo magnético aplicado via filme fino ferromagnético.

Essa configuração cria um campo magnético programável e não volátil, permitindo que engenheiros induzam um deslocamento de fase óptico não recíproco na célula de memória. Notavelmente, o estudo documentou modos horário (CW) e anti‑horário (CCW) de um micro‑anel ressonante como meio de programar e acessar dados computacionais.

Ciclo de Vida da Fotônica

Testar o ciclo de vida da memória foi outra etapa. A equipe programou um gerador de funções arbitrárias que alternava entre pulsos de escrita e apagamento como parte de sua abordagem. O sistema foi ajustado a uma taxa de 10 kHz. Os engenheiros então usaram uma amplitude de ±5 V e uma largura de pulso de 500 ns para replicar a regravação em condições reais. Os resultados foram surpreendentes.

Resultados da Fotônica

Os resultados dos testes demonstraram como esse novo método de fotônica pode mudar a computação para sempre. Por um lado, o novo sistema mostrou capacidades de regravação quase ilimitadas. Especificamente, foram alcançados 2,4 bilhões de ciclos de programação.

Além disso, os engenheiros determinaram que a utilização de deslocamentos de fase não recíprocos em materiais magneto‑ópticos permite que sejam programados de forma determinística, rápida e eficiente. Os dados mostraram que uma velocidade de programação de ~1 GHz era possível. Ademais, a equipe alcançou não volatilidade e codificação multinível que supera os métodos atuais. Consequentemente, essa pesquisa pode revolucionar o mercado de computadores no futuro.

Benefícios da Fotônica

Vários benefícios tornam o estudo de fotônica um divisor de águas. Primeiro, o novo sistema pode executar operações complexas que requerem enorme poder computacional. Esses sistemas são ideais para operações de IA e ML que exigem multiplicação matriz‑vetor e outras ciências avançadas.

Latência Reduzida

Os cientistas descobriram que a fotônica oferece velocidades superiores em comparação com opções tradicionais. A fase de testes revelou acesso à memória de 1 ns. Essa taxa é 100 vezes mais rápida que os dispositivos fotônicos anteriores, abrindo caminho para um novo nível de inovação.

Consumo de Energia Mais Baixo

A eficiência energética é outro benefício que o sistema fotônico traz ao mercado. Esse sistema pode reprogramar e acessar a memória com uma fração dos requisitos de energia de outras opções. A equipe registrou uma eficiência de 143 fJ por bit, colocando os requisitos do novo sistema em 1/10 dos de outras opções fotônicas.

Reprogramável

Uma das maiores vantagens da pesquisa em fotônica é a revelação de que esses dispositivos possuem um ciclo de reprogramabilidade quase infinito. Nenhuma outra opção de armazenamento computacional oferece aos usuários a capacidade de reescrever dados +2Bx. Assim, essa pesquisa científica pode ter um efeito retumbante nos data centers.

Pesquisadores de Fotônica

A pesquisa em fotônica foi liderada por Santa Barbara, John Bowers e Galan Moody. Paolo Pintus, Nathan Youngblood, Yuya Shoji e Mario Dumont também desempenharam papéis cruciais na pesquisa e desenvolvimento do sistema fotônico. Agora, a equipe buscará expandir sua pesquisa para outros materiais a fim de encontrar a melhor opção para impulsionar a revolução de IA de amanhã.

Empresas que Podem se Beneficiar da Pesquisa em Fotônica

Existe uma variedade de empresas que poderiam utilizar esta pesquisa para melhorar seus produtos e serviços. Redes de computação em nuvem e data centers são dois setores óbvios que verão grandes aumentos de receita se puderem implementar essa tecnologia. Aqui está uma empresa que está perfeitamente posicionada para aproveitar essas informações.

Snowflake

Snowflake (SNOW ) entrou no mercado de computação em nuvem em 2012. Sua sede fica em Montana e foi cofundada por Benoît Dageville, Thierry Cruanes e Marcin Żukowski para fornecer computação em nuvem de alto desempenho ao mercado. Hoje, a Snowflake desempenha um papel crucial ao permitir que empresas armazenem, migrem e processem dados na nuvem.

A Snowflake é vista por muitos como uma escolha de ação de destaque devido ao seu compromisso com a inovação, serviços de ponta e posicionamento. A empresa recentemente ganhou destaque por sua iniciativa One Million Minds + One Platform, que busca capacitar milhões de trabalhadores em IA até 2029.

A Snowflake é um dos nomes mais reputados no setor de computação em nuvem. Atualmente, ela lida com mais de 4,2 bilhões de consultas diárias e possui mais de 10 mil clientes, incluindo 800 empresas que apareceram nas listas da Forbes. Esse suporte e base de clientes podem impulsionar o interesse nas ações da empresa.

Se a Snowflake fosse capaz de implementar um sistema de armazenamento fotônico em um data center, poderia observar retornos sobre investimento massivos. O sistema ocuparia menos espaço, exigiria menos energia e produziria muito menos calor. Além disso, teria uma vida útil de regravação ilimitada enquanto poderia oferecer menor latência aos seus clientes. Isso, por sua vez, poderia aumentar a receita.

Fotônica – usando Luz para Levar a Computação ao Próximo Nível

A fotônica pode ser o que o mundo precisa para desbloquear um novo nível de compreensão computacional. Essa tecnologia oferece a longevidade e sustentabilidade que os engenheiros buscam hoje. Consequentemente, muitos veem essa pesquisa como crucial para o movimento de IA. Todos esses fatores significam que o movimento de computação fotônica chegou na hora certa.

Saiba sobre outros projetos de computação interessantes aqui.

Referência do Estudo:

^{1. Pintus, P., Dumont, M., Shah, V., et al. (2025). Óptica magneto‑não recíproca integrada com ultra‑alta resistência para computação fotônica em memória. Nature Photonics, 19(1), 54–62. https://doi.org/10.1038/s41566-024-01549-1}