Rede neural difrativa magneto-óptica reconfigurável com modulação de fase óptica aprimorada

Câmeras inteligentes que pensam com luz

Os celulares e carros mais avançados hoje dependem de chips que consomem muita energia para reconhecer rostos, ler placas ou detectar pedestres. Este estudo explora uma abordagem bem diferente: em vez de fazer as contas em circuitos eletrônicos, deixa a própria luz realizar os cálculos enquanto atravessa um filme magnético fino. O resultado é um pequeno “cérebro” óptico reprogramável que pode classificar imagens rapidamente consumindo pouquíssima energia, apontando para câmeras futuras que compreendem o mundo no instante em que a luz atinge seus sensores.

Deixando a luz fazer o processamento

Redes neurais convencionais, que impulsionam muitas aplicações de IA, rodam em chips de silício que deslocam elétrons. Isso custa energia e leva tempo. Em contraste, redes neurais difrativas usam camadas transparentes especialmente padronizadas para que a luz incidente se desvie, interfira e se espalhe de modo a realizar o mesmo tipo de cálculo. Cada ponto minúsculo em uma dessas camadas atua como um neurônio, ajustando a fase da luz — como suas ondas se alinharem — de modo que diferentes imagens de entrada produzam padrões de brilho distintos na saída.

Adicionando magnetismo para flexibilidade

O problema dos projetos ópticos anteriores é que, uma vez fabricados, seus padrões ficam basicamente fixos. Para mudar a tarefa — de ler dígitos manuscritos a identificar sapatos ou camisas — muitas vezes é preciso um novo dispositivo. A equipe por trás deste trabalho, em vez disso, constrói a camada chave a partir de um filme magneto-óptico, um material vítreo especial cujos pequenos domínios magnéticos giram a polarização da luz que passa. Esses domínios podem ser escritos, apagados e reescritos usando um laser e um campo magnético, de modo parecido com a gravação em antigos discos magneto-ópticos. Isso torna a rede neural óptica reconfigurável: o mesmo pedaço de filme pode ser redesenhado no local para novas tarefas de reconhecimento.

Transformando um efeito fraco em um sinal forte

Por si só, a torção que o filme magnético imprime na luz é bastante pequena — muito menor do que o que telas de cristal líquido conseguem — então poderia parecer fraca demais para construir um computador potente. Os autores superam isso explorando um efeito difrativo sutil. Quando luz polarizada incide sobre os domínios magnéticos padronizados, diferentes partes da luz saída adquirem direções de polarização defasadas em noventa graus. Ao colocar um polarizador após o filme, o arranjo suprime as partes do feixe que foram pouco alteradas e preserva principalmente o componente fortemente torcido. Essa filtragem inteligente aumenta muito o sinal útil sem exigir grandes deslocamentos de fase no próprio material.

De dígitos a itens de moda

Para testar o projeto, os pesquisadores treinaram uma única camada magneto-óptica, em conjunto com o polarizador, para reconhecer imagens de conjuntos de referência padrão. Em simulações por computador, o sistema classificou corretamente dígitos manuscritos em cerca de 98% das vezes — similar a redes ópticas mais complexas que dependem de controle de fase mais forte. Também lidou com um conjunto mais difícil de imagens de roupas com quase 89% de acurácia quando se usou um número suficiente de “neurônios” magnéticos minúsculos. A equipe então construiu uma versão real usando um filme de granada contendo bismuto e gálio, um laser verde e uma câmera. Mesmo com imperfeições práticas, o dispositivo físico alcançou mais de 83% de acurácia para dígitos e 71% para itens de moda, e pôde alternar entre essas tarefas simplesmente reescrevendo o padrão magnético.

Rumo a câmeras que sentem e decidem no chip

Em termos cotidianos, este trabalho mostra que um filme magnético fino e regravável pode servir como a camada pensante de um sistema de IA óptica, apesar de apenas torcer suavemente a luz que passa por ele. Ao organizar de forma inteligente difração e polarização, os autores extraem considerável capacidade de reconhecimento de padrões a partir de propriedades materiais modestas. Como o dispositivo é compacto, não precisa de energia para manter seu estado magnético e opera em comprimentos de onda visíveis, ele poderia um dia ser construído diretamente sobre sensores de imagem. Tais câmeras de ponta não apenas capturariam cenas, mas as interpretariam instantaneamente — reconhecendo dígitos, objetos ou placas de trânsito — enquanto consomem muito menos energia do que os processadores digitais atuais.

Citação: Sakaguchi, H., Watanabe, K., Ikeda, J. et al. Reconfigurable magneto-optical diffractive neural network with enhanced optical phase modulation. Sci Rep 16, 8920 (2026). https://doi.org/10.1038/s41598-026-42193-9

Palavras-chave: computação fotônica, redes neurais ópticas, materiais magneto-ópticos, classificação de imagens, hardware neuromórfico