La computación fotónica, que utiliza la luz en lugar de electrones para el procesamiento y la computación de información, promete una computación más rápida y eficiente energéticamente. Ahora, dos empresas, Lightintelligence y Lightmatter, han demostrado procesadores fotónicos que representan un paso significativo hacia la realización de este potencial, ofreciendo soluciones para problemas de optimización y ejecutando modelos modernos de inteligencia artificial (IA).
La computación fotónica, que utiliza la luz en lugar de electrones para el almacenamiento y la computación de información, está mostrando un progreso significativo hacia la aplicación práctica. Esta tecnología promete velocidades de procesamiento más rápidas y un menor consumo de energía en comparación con los sistemas electrónicos tradicionales. Dos empresas, Lightintelligence y Lightmatter, han demostrado recientemente procesadores fotónicos que representan un gran paso adelante en la realización de este potencial.
Una de las principales ventajas de la computación fotónica reside en su capacidad para realizar cálculos en paralelo. A diferencia de las señales eléctricas, las señales de luz no interfieren entre sí, lo que permite el procesamiento simultáneo de numerosos cálculos. Sin embargo, las computadoras fotónicas analógicas históricamente han enfrentado desafíos relacionados con el ruido y la integración con los sistemas informáticos existentes. A pesar de estos obstáculos, los investigadores han estado trabajando activamente para superar estas limitaciones durante más de una década.
Lightintelligence, una empresa de computación fotónica con sede en Singapur, ha desarrollado un chip llamado Photonic Arithmetic Computing Engine (PACE). Este chip combina componentes fotónicos con circuitos electrónicos para resolver problemas de optimización complejos. El chip PACE está diseñado para imitar el modelo de espín de Ising, un modelo físico utilizado para encontrar el estado de menor energía de un sistema.
El chip PACE funciona realizando la multiplicación matriz-vector dentro de un bucle de retroalimentación. Toma una configuración de variable dada, la multiplica por una matriz que representa el problema (codificado en luz), procesa el resultado electrónicamente y luego devuelve la respuesta actualizada al procesador fotónico. Este proceso iterativo permite que el sistema converja hacia una solución. Como resultado, el equipo de Lightintelligence pudo reconstruir una imagen ruidosa de un gato y resolver problemas de optimización 500 veces más rápido que las unidades de procesamiento gráfico (GPU) modernas. Dirk Englund, científico informático del MIT, señaló que “Los números son bastante convincentes, y esto podría ser solo el comienzo”.
En contraste con el enfoque de Lightintelligence en los problemas de optimización, Lightmatter, una empresa de computación fotónica con sede en California, ha desarrollado un sistema que aborda una gama más amplia de tareas, incluidos los modelos de inteligencia artificial (IA) modernos. Su sistema utiliza núcleos tensoriales fotónicos, unidades de computación especializadas que utilizan la luz para las multiplicaciones matriz-vector, que luego son controladas por chips de interfaz electrónicos.
El sistema de Lightmatter puede ejecutar modelos de IA estándar como ResNet y BERT. Según Nicholas Harris, cofundador y director ejecutivo de Lightmatter, “Demostramos que se puede construir una computadora que no se basa en transistores y ejecutar cargas de trabajo de última generación”. Este es un avance significativo, ya que permite la ejecución de modelos de IA complejos en una plataforma fotónica.
Un cuello de botella importante en los sistemas de IA actuales es el retraso y el costo energético asociados con el movimiento de datos entre procesadores. Lightmatter abordó este problema diseñando un chip de interfaz digital para facilitar una comunicación rápida y eficiente entre los componentes. Harris enfatiza la importancia de esto, afirmando: “Si tuvieras un procesador que usara cero energía y fuera infinitamente rápido, ni siquiera obtendrías un aumento de velocidad de 2 veces porque la máquina está principalmente esperando datos”.
Además, Lightmatter ha abordado el problema del ruido en las computadoras fotónicas analógicas. Implementaron la calibración activa, ajustando la potencia del chip para compensar los cambios en la intensidad de la luz. Además, emplearon un formato numérico especializado llamado punto flotante de bloque adaptativo. Este formato agrupa los números para compartir un exponente común, simplificando el hardware y reduciendo el ruido. Englund destaca la importancia de este enfoque, calificándolo como “una solución matemática inteligente a un desafío que ha frenado al campo”.
El sistema Lightmatter ha demostrado la capacidad de realizar tareas de clasificación de imágenes, procesamiento del lenguaje natural y aprendizaje por refuerzo. Los modelos utilizados no requirieron reentrenamiento ni adaptación al hardware, lo que indica un alto grado de compatibilidad. Harris declaró: “¡Tenemos la computadora fotónica jugando Pac-Man!” También señaló que el sistema está diseñado para ser fácilmente integrado, afirmando: “Si tienes una PC de escritorio en casa, puedes conectar este procesador a tu computadora”.
El chip Lightmatter logra una precisión de 7 a 10 bits y es al menos 10 veces más eficiente energéticamente que las GPU tradicionales, al tiempo que ofrece una velocidad comparable en las tareas de IA estándar. El sistema fue diseñado para funcionar a 400 billones de operaciones por segundo, y lograron alrededor de 80 billones. Harris es optimista sobre el rendimiento futuro, afirmando: “Llegar a 400 [billones] es algo que creo que está al alcance”.
A pesar del progreso, la computación fotónica aún enfrenta desafíos, incluido el ruido analógico, las dificultades de integración y el alto costo energético del movimiento de datos entre chips. Sin embargo, Englund cree que estos avances recientes marcan un punto de inflexión significativo, afirmando que la computación fotónica “finalmente está saliendo del laboratorio y entrando en la relevancia del mundo real”. Además, enfatiza que la fotónica se puede adaptar para abordar problemas muy diferentes con arquitecturas diseñadas para cada aplicación específica. Englund concluye que estas dos demostraciones representan “un salto increíble”. También señala el rápido progreso en el campo, afirmando: “Estaba mirando un artículo que publicamos hace ocho años, y es asombroso cuánto progreso ha habido”.
La computación fotónica avanza rápidamente, con el chip PACE de Lightintelligence demostrando velocidad impresionante en la resolución de problemas de optimización y el sistema de Lightmatter logrando alta eficiencia energética y velocidad comparable en la ejecución de modelos de IA estándar. A pesar de desafíos como el ruido y la integración, estos avances marcan un cambio fundamental, demostrando que los procesadores fotónicos pueden escalar, operar de manera confiable y abordar tareas del mundo real, sugiriendo un futuro donde la computación basada en la luz se convierta en una realidad generalizada. La exploración de la coma flotante por bloques adaptativa y el potencial de escalar los procesadores fotónicos a 400 billones de operaciones por segundo podrían desbloquear aún mayores posibilidades.
Leave a Reply