Computação com luz é ótimo, mas como fazer a luz pensar em números negativos?

Redação do Site Inovação Tecnológica - 23/02/2026

Fabricação e caracterização do chip, que cria uma rede neural totalmente óptica - capaz de pensar em números reais.
[Imagem: Shan Jiang et al. - 10.2738/foe.2026.0004]

Luz positiva e luz negativa?

A inteligência artificial está transformando rapidamente o mundo, mas sua crescente complexidade exige enorme poder computacional e energia. As redes neurais ópticas (RNOs), que utilizam luz em vez de eletricidade para processar dados, surgiram como uma solução promissora, oferecendo latência ultrabaixa, alta eficiência energética e a velocidade da luz.

No entanto, ensinar a luz a "pensar" como um computador enfrenta um obstáculo físico fundamental: Enquanto um circuito elétrico possui polos positivo e negativo, que podem funcionar como 0s e 1s, a intensidade da luz, o seu brilho, é um valor naturalmente não-negativo. Os algoritmos computacionais dependem fortemente de números reais - tanto positivos quanto negativos - para distinguir correlações nos dados, de modo que fica difícil fazer qualquer coisa contando apenas com os inteiros positivos.

Vários métodos ópticos têm surgido para lidar com isso, mas eles tipicamente exigem pós-processamentos eletrônicos para lidar com os números negativos, ou então restringem a IA à matemática não-negativa, o que limita severamente sua inteligência e sua estabilidade.

Agora, Shan Jiang e colegas das universidades de Ciência e Tecnologia de Huazhong, na China, e Cambridge, no Reino Unido, superaram esse obstáculo, prometendo destravar o desenvolvimento de computadores de luz, baseados em processadores fotônicos.

• Como serão feitos os cálculos em um processador de luz?

Arquitetura do chip óptico gerador de números reais.
[Imagem: Shan Jiang et al. - 10.2738/foe.2026.0004]

Geração de números reais com luz

Jiang usou microrressonadores em anel polarizados em luzes de diferentes cores, acoplados a fotodiodos, o que permite gerar não-linearidades e, por sua vez, representar valores reais, prontos para a computação matricial.

"Utilizamos dois ressonadores de microanel polarizados em diferentes comprimentos de onda de ressonância para obter codificação óptica de valores reais, juntamente com um elemento de ativação de ressonador de microanel duplo acionado pela fotocorrente diferencial de fotodiodos, o que proporciona ativação não-linear de valores reais opticamente cascateável. Combinada com uma malha de interferômetro Mach-Zehnder de valores reais para computação matricial, essa arquitetura realiza uma rede neural óptica ponta a ponta totalmente de valores reais," escreveu a equipe.

Os pesquisadores demonstraram experimentalmente uma função de ativação não-linear semelhante à tangente hiperbólica (uma função que transforma valores de entrada em um intervalo restrito, geralmente entre -1 e 1,) e a validaram em uma tarefa de classificação de íris, alcançando uma precisão de 98%. Eles também modelaram o gerador de uma rede generativa adversarial totalmente baseada em sua estrutura óptica.

O que é particularmente interessante é que o gerador óptico de números reais pode usar ruído óptico natural como entrada, eliminando efetivamente a necessidade de conversões eletro-ópticas e digital-analógicas no estágio de entrada.

"Por meio dessas inovações, a rede neural óptica proposta abre caminho para a geração de imagens ópticas em chip, demonstrando as distintas vantagens da computação óptica," concluiu a equipe.

Mais tópicos