Processador de luz agora faz todos os cálculos necessários para IA

Redação do Site Inovação Tecnológica - 03/12/2024

Este é o chip fotônico, que faz todos os cálculos necessários para a inteligência artificial usando apenas luz.
[Imagem: Saumil Bandyopadhyay et al. - 10.1038/s41566-024-01567-z]

Computação com luz

A computação fotônica, que usa luz em lugar da eletricidade, tem-se destacado como uma alternativa promissora para rodar os programas de inteligência artificial, que consomem energia demais nos computadores eletrônicos atuais.

O hardware fotônico executa as computações de aprendizado de máquina usando luz, o que, além de energeticamente eficiente, é também a alternativa mais rápida que existe. No entanto, existem alguns tipos de computações de rede neural que um dispositivo fotônico não consegue executar, exigindo o uso de um hardware eletrônico extra ou de outras técnicas, que sempre reduzem os ganhos em termos de velocidade e de eficiência.

Agora, Saumil Bandyopadhyay e colegas do MIT e da empresa Nokia desenvolveram um novo chip fotônico que supera esses obstáculos: É um processador fotônico totalmente integrado que consegue executar todos os cálculos-chave de uma rede neural profunda opticamente, tudo no mesmo chip de luz.

O chip óptico concluiu os cálculos-chave para uma tarefa de classificação de aprendizado de máquina em menos de meio nanossegundo, e fez isso com mais de 92% de precisão, um desempenho no mesmo nível do hardware eletrônico tradicional.

Outra vantagem é que o chip, composto de módulos interconectados que formam uma rede neural óptica, foi fabricado usando processos de fundição comerciais, o que permitirá o escalonamento da tecnologia e sua integração aos computadores eletrônicos.

Combinando eletrônica e óptica, foi possível implementar também as operações não lineares no chip.
[Imagem: Saumil Bandyopadhyay et al. - 10.1038/s41566-024-01567-z]

Aprendizado de máquina com luz

As redes neurais profundas são compostas de muitas camadas interconectadas de nós, ou "neurônios artificiais", que manipulam os dados de entrada para produzir uma saída. Uma operação-chave envolve o uso de álgebra linear para executar multiplicações de matrizes, que transformam os dados conforme eles são passados de camada para camada.

Mas, além dessas operações lineares, as redes neurais profundas também precisam realizar operações não lineares, que ajudam o modelo a aprender padrões mais intrincados.

Em 2017, o mesmo grupo demonstrou um chip fotônico que conseguia executar multiplicação de matrizes com luz. Mas aquele dispositivo não conseguia executar operações não lineares, o que exigira que os dados ópticos fossem convertidos em sinais elétricos e enviados para um processador digital para executar as operações não lineares.

Agora eles superaram essa deficiência usando um bloco de circuito que batizaram de NOFU, sigla em inglês para "unidade de função óptica não linear", que combina eletrônica e óptica para implementar operações não lineares no próprio chip. Bastaram três camadas de NOFUs para construir um processador de luz que faz tanto operações lineares quanto não lineares.

Esta é a NOFU, a unidade básica do chip fotônico.
[Imagem: Saumil Bandyopadhyay et al. - 10.1038/s41566-024-01567-z]

Rumo às aplicações práticas

O circuito inteiro foi fabricado usando a mesma infraestrutura e processos de fundição que produzem chips de computador CMOS. Isso significa que o chip poderá ser fabricado em escala industrial, usando técnicas testadas e comprovadas, que introduzem muito pouco erro no processo de fabricação.

A proposta da equipe é justamente trabalhar para aumentar a escala do chip fotônico e integrá-lo com eletrônicos do mundo real, como câmeras ou sistemas de telecomunicações. Além disso, os pesquisadores querem explorar algoritmos que possam tirar proveito das vantagens da óptica para treinar sistemas mais rapidamente e com melhor eficiência energética.

"Há muitos casos em que o quão bem o modelo desempenha não é a única coisa que importa, mas também a rapidez com que você pode obter uma resposta. Agora que temos um sistema de ponta a ponta que pode executar uma rede neural em óptica, em uma escala de tempo de nanossegundos, podemos começar a pensar em um nível mais alto sobre aplicativos e algoritmos," concluiu Bandyopadhyay

Mais tópicos