Processador de transmissão óptica convolucional com autocorreção paralelo habilitado por microcombs

Por que máquinas que pensam mais rápido importam

De vídeo em streaming ao treinamento de modelos de IA massivos, os data centers modernos estão sufocados por informações. Mover e processar todos esses dados com os chips eletrônicos atuais consome enormes quantidades de energia e esbarra em limites de velocidade. Este artigo apresenta um novo tipo de chip de computação baseado em luz que pode atuar como uma “fronteira” rápida e de baixo consumo para sistemas de IA, lidando com parte dos cálculos mais pesados antes mesmo de os dados alcançarem os processadores convencionais.

Deixando a luz fazer o trabalho pesado

A maioria dos sistemas de IA depende de convolução, uma espécie de janela matemática deslizante que varre imagens, sons ou outros sinais para identificar características como contornos ou texturas. A eletrônica executa essas operações passo a passo, movendo números de e para a memória. O chip descrito aqui substitui isso por um processo físico em que feixes de luz são divididos, retardados, ponderados e então recombinados. Como o cálculo acontece enquanto a luz viaja, evita grande parte do movimento de dados que desacelera e aquece o hardware eletrônico, e pode operar a dezenas de bilhões de operações por segundo para cada fluxo de dados.

Muitas cores de luz, muitas tarefas ao mesmo tempo

Um ingrediente chave é um dispositivo chamado microcomb: uma fonte laser minúscula em forma de anel que produz dezenas de cores, ou comprimentos de onda, igualmente espaçados ao mesmo tempo. Cada cor funciona como uma pista independente em uma rodovia óptica de alta velocidade. O processador de transmissão convolucional óptico da equipe envia todas essas cores pelo mesmo chip, mas organiza os caminhos de modo que experimentem o mesmo “kernel de convolução” — o conjunto de pesos usado para analisar os dados. Atrasos de tempo entre os caminhos, combinados com as diferentes cores, criam uma forma tridimensional de paralelismo em tempo, espaço e comprimento de onda. Em experimentos, o sistema processou dados a 50 gigabaud por cor e alcançou uma velocidade total de computação de cerca de 4 trilhões de operações por segundo em cinco comprimentos de onda.

Ensinando um chip de luz a manter a precisão

Usar interferência entre ondas de luz para computação é poderoso, porém frágil: mudanças na escala de nanômetros no comprimento dos caminhos podem arruinar os pesos cuidadosamente ajustados. Para manter o chip preciso, os pesquisadores integraram um caminho de referência especial e um procedimento de autocorreção. Ao varrer um laser através de frequências e medir apenas a potência de saída, eles reconstróem tanto a amplitude quanto a fase de cada caminho dentro do dispositivo. Um loop de feedback então ajusta minúsculos aquecedores no chip até que os pesos de convolução medidos correspondam aos desejados. Essa sintonia automática não apenas corrige imperfeições de fabricação e deriva térmica, como também permite reprogramar o mesmo chip para tarefas diferentes, como desfoque ou detecção de bordas em imagens.

De filtros de imagem a cargas de trabalho reais de IA

Para mostrar que o processador é útil além de demonstrações simples, os autores o combinaram com camadas neurais eletrônicas padrão em um sistema híbrido. O chip óptico tratou da primeira camada convolucional, extraindo características básicas de imagens coloridas transportadas em vários canais de comprimento de onda. Os fluxos de características resultantes foram convertidos de volta para sinais eletrônicos e alimentados em uma rede digital mais profunda. Testado no conjunto de imagens CIFAR‑10, que inclui classes como aviões, gatos e caminhões, o sistema misto óptico‑eletrônico aproximou‑se da precisão de um modelo totalmente digital enquanto deslocava uma parte do cálculo pesado para o domínio fotônico.

O que isso pode significar para data centers futuros

Em termos simples, este trabalho mostra que chips minúsculos que computam com luz podem se conectar diretamente em links de fibra óptica existentes em data centers e atuar como aceleradores compartilhados para cargas de trabalho de IA. Ao combinar muitas cores de luz, múltiplos caminhos de atraso e um método de autocorreção integrado, o processador demonstrado alcança velocidades muito altas e boa precisão sem consumo excessivo de energia. Se escalados, dispositivos semelhantes poderiam ficar entre racks de armazenamento e de computação, realizando filtragem rápida e extração de características nos dados à medida que fluem, ajudando as futuras máquinas “pensantes” a operar mais rápido e de forma mais sustentável.

Citação: Wang, J., Xu, X., Zhu, X. et al. Microcomb-enabled parallel self- calibration optical convolution streaming processor. Light Sci Appl 15, 149 (2026). https://doi.org/10.1038/s41377-025-02093-5

Palavras-chave: computação óptica, hardware fotônico para IA, microcomb, aceleração de data center, redes neurais convolucionais