Computação fotônica consegue fazer cálculos com luz e diretamente na memória

Pesquisadores europeus da área da computação fotônica demonstraram em um experimento prático a possibilidade futura de se desenvolver processadores fotônicos, onde ao invés da eletricidade é a luz que é manipulada para construir sistemas de informação.

Em parceria com o centro de pesquisas da IBM, as universidades de Oxford, Exeter e Munique o grupo desenvolveu uma abordagem totalmente óptica para a multiplicação direto na memória em um dispositivo fotônico. Simplificando as coisas eles conseguiram quebrar a lógica da necessidade do processador para efetuar cálculos, uma vez que através desta nova abordagem os cálculos podem ser realizados diretamente na memória.

Baseado em tecnologia de memória de mudança de fase(PCM), uma tecnologia emergente de memória não-volátil que vem com o objetivo de ser a substituta da memória RAM e de ajudar a causar um grande avanço e mudança de paradigma no mundo da computação.

Segundo palavras da equipe;

Em nosso trabalho, demonstramos a primeira instância de uma memória computacional fotônica para multiplicação escalar direta de dois números, usando uma única célula de memória fotônica integrada. Nosso dispositivo se baseia na interação distinta de dois pulsos, cada um representando um número a ser multiplicado. Uma pulsação dá energia acima do limite de chaveamento para induzir mudanças estruturais no material, e a outra abaixo, em um guia de ondas fotônico integrado. Indo um passo adiante, usamos então elementos fotônicos não-voláteis baseados no material de mudança de fase (Ge2Sb2Te5) para obter multiplicações diretas escalar e matriz-vetor.

“A nossa abordagem totalmente óptica não é apenas única, também é fácil de fabricar e operar. Além disso, ela prepara o terreno para o desenvolvimento de computadores totalmente fotônicos operacionais. Nos grandes esquemas das coisas, nosso trabalho representa um marco importante para o processamento óptico na memória. Além disso, as operações de multiplicação de vetores matriciais usando células de memória de múltiplas fases têm o potencial de dar sustentação a operações chave de processamento em áreas computacionais como análise de megadados e inteligência artificial.

“Mas a lista não pára por aí. Tal arquitetura poderia resolver eficientemente sistemas de equações lineares e avançar várias outras áreas computacionais emergentes, incluindo aprendizado de máquina e aprendizado profundo. O próximo passo é descobrir como escalonar os tamanhos das matrizes nos chips fotônicos – um desafio no qual estamos trabalhando agora,” finalizou a equipe