Activadores no lineales todo‑ópticos reconfigurables con umbral en femtojulios para redes neuronales ópticas con pulsos de picosegundo

Por qué pequeños destellos de luz podrían impulsar la IA del futuro

La inteligencia artificial actual se ejecuta en enormes granjas de chips electrónicos que consumen mucha energía. A medida que exigimos teléfonos, coches y centros de datos más inteligentes, el consumo eléctrico y la disipación térmica se convierten en cuellos de botella. Este artículo presenta una forma de delegar parte de ese trabajo a la luz en lugar de a los electrones, usando dispositivos ópticos minúsculos que actúan como los interruptores de "activación" en una red neuronal. Estos interruptores funcionan con energías de luz increíblemente pequeñas y a velocidades vertiginosas, ofreciendo una visión de hardware de IA ultrarrápido y eficiente en energía.

De la electrónica lenta y caliente a la fotónica rápida y fresca

Los chips convencionales mueven cargas eléctricas a través de cables metálicos y transistores. Ese enfoque nos ha servido bien, pero está alcanzando límites en velocidad y eficiencia energética. Las redes neuronales ópticas sustituyen las cargas en movimiento por fotones que viajan por guías de onda: esencialmente diminutos caminos de luz en el chip. La luz puede transportar información rápidamente, en muchos colores a la vez y con poco calentamiento. Sin embargo, construir una red neuronal totalmente óptica práctica requiere un ingrediente clave: un dispositivo compacto que reciba una señal óptica y entregue una versión transformada de ella de forma no lineal, tal como una neurona del cerebro dispara solo cuando la entrada supera un umbral. Hasta ahora, esos elementos de "activación" todo‑ópticos han tendido a ser demasiado grandes, demasiado lentos o demasiado consumidores de energía.

Una trampa de luz microscópica que aprende a moldear señales

Los autores diseñan primero una cavidad de cristal fotónico en silicio: una losa perforada de silicio que atrapa y ralentiza la luz en colores específicos. Al disponer cuidadosamente una fila de orificios, crean una región diminuta donde un pulso de luz corto puede resonar y aumentar su intensidad. Esto realza una propiedad sutil del silicio llamada efecto Kerr, por la cual el índice de refracción del material cambia ligeramente cuando la luz en su interior se vuelve intensa. Ese pequeño cambio desplaza el color preferido de la cavidad y, como resultado, modifica cuánto de un pulso de luz que pasa se transmite. Al elegir la longitud de onda de entrada respecto al pico de resonancia de la cavidad, los investigadores pueden hacer que el dispositivo se comporte como varias curvas de activación usadas en aprendizaje automático, incluidas respuestas lineales, tipo ReLU (lineal rectificada) y tipo sigmoide. Incluso en esta versión puramente de silicio, el activador mide solo unos 15 micrómetros por 10 micrómetros —más pequeño que un grano de polvo— y responde en menos de 2 billonésimas de segundo.

Añadiendo grafeno para conmutación de energía ultra‑baja

Para bajar aún más el umbral de activación, el equipo integra una capa de grafeno de un solo átomo de grosor sobre la cavidad de silicio. El grafeno absorbe luz de forma natural, pero a intensidades altas su absorción se satura: una vez que muchos electrones están excitados, más fotones pueden pasar con mayor facilidad. Al combinar esta "absorción saturable" con la mejora por luz lenta de la cavidad, el dispositivo alcanza una energía de saturación de solo 4 femtojulios —aproximadamente la energía transportada por unas decenas de miles de fotones en telecomunicaciones— y un tiempo de respuesta de alrededor de 1 picosegundo. En longitudes de onda cercanas, la misma estructura aún puede aprovechar el efecto Kerr del silicio para remodelar su curva de activación a demanda, alternando entre comportamientos tipo sigmoide, tipo ReLU y casi lineales con umbrales tan bajos como 30 femtojulios. En términos de velocidad y energía requerida, esta métrica supera a activadores ópticos integrados previos por varios órdenes de magnitud.

Construyendo un cerebro óptico pulsado en un chip

Usando estos activadores como bloques constructivos, los autores esbozan una arquitectura completa de red neuronal óptica impulsada por pulsos de luz ultrarrápidos en lugar de haces continuos. Un láser pulsado de alta tasa de repetición genera una serie de picos de picosegundo, que se codifican con datos mediante moduladores de alta velocidad y luego se dividen en múltiples longitudes de onda. En el chip, componentes especializados de división por longitud de onda enrutan y ponderan estos colores usando materiales de cambio de fase no volátiles que recuerdan su configuración sin consumir energía. Tras el ponderado lineal, las señales pasan por los activadores de grafeno‑silicio, que imprimen la respuesta no lineal deseada antes de que la luz se dirija a la capa siguiente. Las simulaciones muestran que, con energías de activación por debajo de unos 30 femtojulios, dicho sistema podría alcanzar densidades de cálculo del orden de 10³ billones de operaciones por segundo por milímetro cuadrado y eficiencias energéticas cercanas a 10⁶ billones de operaciones por vatio por milímetro cuadrado —muy por encima de los aceleradores electrónicos típicos.

Qué supone esto para la IA de todos los días

Para comprobar si estas activaciones ópticas exóticas se comportan como sus contrapartes electrónicas, el equipo introdujo sus curvas de activación medidas en modelos de software y los entrenó en tareas de clasificación estándar, desde patrones bidimensionales simples hasta dígitos manuscritos (MNIST) e imágenes en color complejas (CIFAR‑10). Las activaciones grafeno‑silicio igualan o superan a respuestas lineales sencillas, especialmente en las tareas de imagen más difíciles, donde el comportamiento tipo ReLU resulta particularmente potente. En términos sencillos, este trabajo muestra que un chip del tamaño de una uña, de silicio y grafeno cuidadosamente estructurado, podría algún día realizar pasos clave en cálculos de IA usando pequeños pulsos de luz en lugar de electricidad. Si se escala e integra con tecnologías fotónicas maduras, estos activadores no lineales todo‑ópticos podrían ayudar a ofrecer hardware para la próxima generación de inteligencia artificial más rápido, más frío y más eficiente.

Cita: Liu, R., Wang, Z., Zhong, C. et al. Femto-joule threshold reconfigurable all-optical nonlinear activators for picosecond pulsed optical neural networks. Light Sci Appl 15, 128 (2026). https://doi.org/10.1038/s41377-025-02175-4

Palabras clave: redes neuronales ópticas, fotónica de grafeno, cavidades de cristal fotónico, activación no lineal, hardware de IA eficiente energéticamente