Los científicos chinos hacen que los robots piensen instantáneamente, acelerando el desarrollo de la fotónica de silicio

Noticia sobre un avance en el cómputo neuromórfico fotónico

Científicos de la Universidad Xidian (Xidian University) han creado el primer chip “neuromórfico” totalmente óptico, capaz de aprender por refuerzo sin convertir señales a corriente eléctrica. Este evento marca la transición de redes neuronales espinosas fotónicas lineales a transformaciones no lineales, un paso clave para aplicaciones prácticas.

Por qué es importante
- Ausencia de conversión: Convertir fotones en electrones y viceversa provoca pérdidas de energía y tiempo. En sistemas en tiempo real (robótica, piloto automático) tales retrasos pueden provocar fallos del equipo o incluso accidentes.
- Interacción segura entre robots y personas: La creación de chips fotónicos universales abre el camino a sistemas inteligentes más fiables y energéticamente eficientes.

Tres problemas resueltos
1. Disponibilidad de grandes matrices de neuronas espinosas no lineales con umbral de activación bajo – ahora se pueden colocar neuronas más densamente.
2. Chips totalmente programables – antes eran “duros” (programados por hardware).
3. Aprendizaje fotónico por refuerzo – ahora implementado gracias a una nueva arquitectura.

Arquitectura del prototipo
ComponenteDescripción 16‑canal chip fotónico Contiene 272 parámetros entrenables, construido sobre una matriz de interferómetros Mach‑Zehnder 16×16.
Chip con láseres y retroalimentación Utiliza un sumidero saturable para umbral bajo de activación no lineal de picos.
Framework hardware‑software Primero se entrena en software, luego se traslada al chip, y finalmente se reentrena teniendo en cuenta las características del hardware.

Pruebas
- CartPole (equilibrio de palo) – precisión casi idéntica al modelo de software (caída 1,5 %).
- Pendulum (balanceo de péndulo) – caída 2 %.
- En ambas tareas, el retardo computacional fue solo 320 ps.

Eficiencia
Tipo Consumo energético Densidad Lineales 1,39 TOPS/W 0,13 TOPS/mm² No lineales 987,65 GOPS/W 533,33 GOPS/mm²

Estos números sitúan al sistema fotónico en la clase GPU por eficiencia energética (≈1 TOPS/W) y densidad (0,1–0,5 TOPS/mm²), pero se basa completamente en procesamiento óptico, eliminando pérdidas de conversión.

Perspectivas
- Conducción autónoma
- Robots inteligentes
- Cómputo periférico con ultra baja latencia y consumo mínimo

En el futuro se planea escalar el chip a 128 canales para abordar tareas más complejas (navegación neuromórfica autónoma) y crear dispositivos neuromórficos fotónicos híbridos e integrados compactos.

En resumen: El desarrollo abre un nuevo camino hacia IA energéticamente eficiente basada en impulsos luminosos, lo que podría cambiar radicalmente los enfoques de robótica y sistemas autónomos.