A representação de números negativos deixou de ser um problema para as redes neurais que funcionam exclusivamente com luz. Investigadores das universidades de Ciência e Tecnologia de Huazhong, na China, e de Cambridge, no Reino Unido, conceberam um método óptico que codifica valores reais – positivos e negativos – sem qualquer processamento eletrônico adicional. O resultado remove um dos maiores entraves à criação de processadores fotônicos totalmente integrados, capazes de executar tarefas de inteligência artificial com menor consumo energético e latência quase nula.
Limitação física das redes neurais ópticas
Redes neurais ópticas (RNOs) processam informação por meio de feixes de luz, característica que garante velocidade elevada e eficiência energética superior à dos circuitos eletrônicos convencionais. Contudo, a intensidade luminosa medida por um detector é naturalmente não negativa, ao contrário dos sinais elétricos que podem assumir polaridades positivas ou negativas. Como algoritmos de aprendizagem exigem operações com números reais – incluindo valores abaixo de zero –, soluções anteriores confiavam em etapas híbridas, nas quais componentes eletrônicos traduziam ou compensavam as ausências de sinais negativos. Esse artifício aumentava custo, consumo e complexidade, além de limitar a escalabilidade dos sistemas fotônicos.
Arquitetura óptica para números reais
A equipa liderada por Shan Jiang superou esse obstáculo com uma combinação de microrressonadores em anel e fotodiodos. Dois ressonadores ajustados a comprimentos de onda distintos recebem a luz de entrada e produzem saídas diferenciadas que, quando subtraídas, formam um sinal com amplitude positiva ou negativa. Esse conceito, aliado a uma estrutura de ativação não linear montada com um par de ressonadores acionados pela fotocorrente diferencial, cria a base para manipular números reais dentro do domínio óptico.
O circuito inclui ainda uma malha de interferômetros Mach-Zehnder empregada na multiplicação matricial, peça central das redes neurais. Ao unir codificação, ativação e cálculo de matrizes numa mesma via de luz, os autores obtiveram uma RNO “ponta a ponta” inteiramente óptica, sem conversões intercaladas para o mundo elétrico.
Resultados práticos e precisão de 98%
Para validar a proposta, os cientistas implementaram uma função de ativação comparável à tangente hiperbólica, recurso comum em sistemas de aprendizagem profunda. A rede foi treinada e testada numa tarefa de classificação de íris, alcançando 98% de acerto. Além disso, o grupo modelou o gerador de uma rede generativa adversarial (GAN) usando exclusivamente a arquitetura desenvolvida, sinalizando aplicações em síntese de imagens e outros campos criativos.
Ruído óptico vira dado de entrada
Outro ponto destacado envolve o aproveitamento do ruído óptico natural como fonte de dados aleatórios. Com essa abordagem, a rede recebe estímulos diretamente do ambiente luminoso, dispensando conversores digital-analógico ou electro-óptico na etapa inicial. A remoção desses componentes reduz a complexidade do sistema e mantém o fluxo de informação integralmente no regime fotônico.
Imagem: Tecnologia Inovação Notícias
Impacto para processadores fotônicos
Segundo os autores, a capacidade de lidar com números negativos em luz pura abre caminho para processadores fotônicos compactos, energeticamente eficientes e integráveis em chips de silício. Esses dispositivos podem acelerar aplicações de inteligência artificial em dispositivos móveis, centros de dados e plataformas de edge computing, onde custos de energia e requisitos de latência são cada vez mais críticos.
O avanço também contribui para simplificar a cadeia de produção de hardware óptico. Sem a necessidade de interposições eletrônicas, a lógica fotônica torna-se mais próxima de um estado sólido padronizado, fator que favorece a manufatura em escala e a adoção comercial.
Com a barreira física dos sinais negativos superada, a investigação retira um dos últimos empecilhos conceituais das redes neurais ópticas. A próxima etapa envolve integrar todos os componentes em um único chip, otimizar perdas de inserção e ampliar a largura de banda, confirmando na prática a promessa de computação ultrarrápida alimentada apenas por luz.
