Cientistas chineses fazem robôs pensar instantaneamente, acelerando o desenvolvimento da fotônica de silício

Notícia sobre avanço em computação fotônica neuromórfica

Cientistas da Universidade de Xidian criaram o primeiro chip “neuromórfico” totalmente óptico, capaz de aprender por reforço sem converter sinais em corrente elétrica. Este evento marca a transição das redes de spikes fotônicas lineares para transformações não lineares – um passo chave para aplicações práticas.

Por que isso é importante
- Ausência de conversão: Converter fótons em elétrons e vice‑versa gera perdas de energia e tempo. Em sistemas em tempo real (robótica, piloto automático) esses atrasos podem levar a falhas ou até acidentes.
- Interação segura entre robôs e pessoas: O desenvolvimento de chips fotônicos universais abre caminho para sistemas inteligentes mais confiáveis e energeticamente eficientes.

Três problemas resolvidos
1. Disponibilidade de grandes matrizes de neurônios de spikes não lineares com limiar de ativação baixo – agora é possível densificar a disposição dos neurônios.
2. Chips totalmente programáveis – antes eram “rigidos” (programados em hardware).
3. Aprendizado fotônico por reforço – agora implementado graças à nova arquitetura.

Arquitetura do protótipo
Componente | Descrição
---|---
Chip fotônico de 16 canais | Contém 272 parâmetros treináveis, construído sobre uma matriz 16×16 de interferômetros Mach‑Zehnder.
Chip com lasers e feedback | Usa um absorvedor saturável para baixo limiar de ativação não linear dos spikes.
Framework hardware‑software | Treina inicialmente em software, depois migra para o chip, onde é refinado considerando as peculiaridades do hardware.

Testes
- CartPole (balanço de vara) – precisão quase idêntica ao modelo em software (queda 1,5 %).
- Pendulum (oscilações de pêndulo) – queda 2 %.
- Em ambas as tarefas, o atraso computacional foi apenas 320 ps.

Eficiência
Tipo | Consumo energético | Densidade
---|---|---
Linear | 1,39 TOPS/W | 0,13 TOPS/mm²
Não linear | 987,65 GOPS/W | 533,33 GOPS/mm²

Esses números colocam o sistema fotônico na classe de GPU em termos de eficiência energética (~1 TOPS/W) e densidade (0,1–0,5 TOPS/mm²), mas totalmente baseado em processamento óptico, eliminando perdas de conversão.

Perspectivas
- Condução autônoma
- Robôs inteligentes
- Computação periférica com ultra‑baixa latência e consumo mínimo

No futuro, planejam escalar o chip para 128 canais, para resolver tarefas mais complexas (navegação neuromórfica autônoma) e criar dispositivos fotônicos neuromórficos híbridos compactos.

Em resumo: O desenvolvimento abre um novo caminho para IA energeticamente eficiente baseada em pulsos ópticos, que pode transformar radicalmente abordagens de robótica e sistemas autônomos.