Más allá de la electrónica: el sistema óptico realiza la extracción de características con una latencia baja sin precedentes

Muchas aplicaciones modernas de inteligencia artificial (IA), como la robótica quirúrgica y el comercio financiero en tiempo real, dependen de la capacidad de extraer rápidamente características clave de flujos de datos sin procesar. Actualmente, este proceso se ve obstaculizado por los procesadores digitales tradicionales. Los límites físicos de la electrónica convencional impiden la reducción de la latencia y las ganancias en el rendimiento necesarias en los servicios emergentes con uso intensivo de datos.

La respuesta a esto podría estar en aprovechar el poder de la luz. La computación óptica (o el uso de la luz para realizar cálculos exigentes) tiene el potencial de acelerar enormemente la extracción de características. En particular, los operadores de difracción óptica, que son estructuras en forma de placas que realizan cálculos a medida que la luz se propaga a través de ellas, son muy prometedores debido a su eficiencia energética y capacidad de procesamiento en paralelo.

Sin embargo, llevar estos sistemas a velocidades operativas superiores a 10 GHz en la práctica sigue siendo un desafío técnico. Esto se debe principalmente a la dificultad de mantener la luz estable y coherente necesaria para los cálculos ópticos.

Para abordar este problema, un equipo de investigación dirigido por el profesor Hongwei Chen de la Universidad de Tsinghua, China, ha diseñado una solución extraordinaria. Como reportado en Nexo de fotónica avanzadahan desarrollado un motor de extracción de características ópticas (denominado OFE²) que realiza la extracción de características ópticas para una variedad de aplicaciones prácticas.

Una innovación central reside en la OFE² módulo de preparación de datos. Proporcionar señales ópticas paralelas y de alta velocidad para núcleos ópticos que funcionan en un entorno coherente es un gran desafío, ya que el uso de componentes basados ​​en fibra para la división de energía y el retardo introduce fuertes perturbaciones de fase. El equipo resolvió esto desarrollando un sistema integrado en chip con divisores de potencia sintonizables y líneas de retardo precisas.

Este módulo deserializa efectivamente el flujo de datos muestreando la señal de entrada en múltiples ramas paralelas estables. Además, una matriz de fases integrada ajustable permite a OFE² ser reconfigurado según sea necesario.

Una vez preparados los datos, las ondas ópticas pasan por el operador de difracción. El proceso se puede modelar matemáticamente como una multiplicación de matriz-vector que realiza la extracción de características. La clave de esta operación es cómo la luz difractada forma un «punto brillante» enfocado en la salida, que puede desviarse parcialmente hacia un puerto de salida específico ajustando la fase de las luces de entrada paralelas. Este movimiento y los cambios correspondientes en la potencia de salida permiten a OFE² para capturar eficazmente características relacionadas con las variaciones de la señal de entrada a lo largo del tiempo.

Operando a una velocidad de 12,5 GHz, OFE² puede realizar una única multiplicación de matriz-vector en menos de 250,5 ps, la latencia más corta entre implementaciones de computación óptica similares.

«Creemos firmemente que este trabajo proporciona un punto de referencia importante para hacer avanzar la computación de difracción óptica integrada para superar una velocidad de 10 GHz en aplicaciones del mundo real», afirma Chen.

El equipo de investigación demostró con éxito la capacidad del sistema propuesto en diversas tareas. Para procesamiento de imágenes, OFE² pudo extraer características de los bordes de las imágenes de entrada, creando dos mapas de características complementarios de «relieve y grabado».

Las características generadas por OFE² condujo a un mejor rendimiento en la clasificación de imágenes y a una mayor precisión de los píxeles en la segmentación semántica (como la identificación de órganos en tomografías computarizadas). En particular, las redes de IA que utilizan OFE² requirió menos parámetros electrónicos que uno de referencia, lo que demuestra que el preprocesamiento óptico puede conducir a sistemas de IA híbridos más ligeros y eficientes.

Además, el equipo obtuvo resultados similares para una tarea de comercio digital, donde OFE² recibió datos de mercado de series temporales y propuso acciones comerciales rentables basadas en una estrategia optimizada. En esta tarea, los comerciantes ingresan señales de precios en tiempo real en la OFE.². Después de una formación previa, el OFE óptimamente configurado² genera señales de salida que pueden convertirse directamente en acciones de compra o venta mediante un proceso de decisión simple, logrando una rentabilidad estable. Dado que todo el proceso se ejecuta a la velocidad de la luz, ofrece una ventaja de latencia significativa, lo que permite capturar ganancias con un retraso mínimo.

En conjunto, estos resultados apuntan hacia un nuevo paradigma en el que las cargas computacionales más intensas se trasladan de la electrónica, que consume mucha energía, a la fotónica ultrarrápida y de baja energía, lo que conduce a una nueva generación de sistemas de inteligencia artificial para la toma de decisiones en tiempo real.

«Los avances presentados en nuestro estudio impulsan a los operadores de difracción integrados a una tasa más alta, brindando soporte para servicios de computación intensiva en áreas como el reconocimiento de imágenes, atención médica asistida y finanzas digitales. Esperamos colaborar con socios que tengan necesidades computacionales de datos intensivos», concluye Chen.