Penn cria partícula híbrida para IA ultrarrápida e eficiente em energia

Cientistas da Universidade da Pensilvânia criaram uma partícula híbrida de luz e matéria que pode transformar a computação para inteligência artificial. O avanço pode permitir a troca de processos eletrônicos de alto consumo por tecnologias ópticas ultraeficientes.

Luz no lugar de elétrons

A nova partícula é um híbrido: combina as propriedades dos fótons (partículas de luz) e da matéria em nível quântico. Os pesquisadores da Penn conseguiram fazer um fóton interagir com os elétrons de um material de modo que surge um objeto totalmente novo, com as propriedades combinadas de ambos. Uma partícula assim pode transmitir informações muito mais rápido que os elétrons tradicionais em processadores de silício.

Os físicos conhecem essa abordagem há muito tempo, mas a Penn é a primeira a demonstrar que ela se aplica à computação de IA.

A principal diferença dos sistemas ópticos é que eles não sofrem com as limitações da eletrônica. A luz se move a uma velocidade próxima do máximo da natureza e não esquenta ao atravessar os materiais. Isso significa que o cálculo seria ao mesmo tempo mais rápido e mais frio, dois parâmetros críticos para sistemas de IA que hoje esbarram em limites térmicos.

Energia e velocidade

A principal vantagem da computação óptica é a redução radical do consumo de energia. Os modelos de IA atuais exigem enormes quantidades de eletricidade: treinar uma grande rede neural como o GPT pode custar centenas de milhares de dólares só em energia elétrica. O estudo da Penn mostra que os sistemas ópticos podem reduzir esses custos de 10 a 100 vezes, dependendo do tipo de computação.

A velocidade também é crucial. Quanto mais rápido o processador lida com informações, mais rápido o modelo de IA funciona e menor é a latência nas respostas aos usuários. Em aplicações como processamento de vídeo em tempo real ou atendimento a milhares de usuários simultâneos, a velocidade de cálculo afeta diretamente a economia do negócio.

• Processamento de informações de 10 a 100 vezes mais rápido
• Redução da geração de calor e do consumo de energia em ordens de grandeza
• Escalonamento de sistemas de IA sem construir novos data centers
• Maior vida útil do hardware graças ao menor aquecimento
• Menor custo de refrigeração e manutenção de servidores

O caminho até a prática

Por enquanto, a tecnologia continua no laboratório, no nível de prova de conceito. Os pesquisadores da Penn dizem que é preciso resolver vários problemas de engenharia antes de a computação óptica virar padrão em sistemas comerciais. Entre eles estão a integração com a infraestrutura existente, a ampliação da produção de partículas híbridas e a padronização das interfaces.

Ainda assim, o progresso é rápido. As primeiras aplicações-piloto podem surgir em 2-3 anos em áreas especializadas: treinamento de redes neurais muito grandes, simulações científicas e processamento de fluxos de vídeo. Empresas como IBM e Intel já investem em computação óptica, então a implementação comercial pode chegar antes do esperado.

O que isso significa

Se o avanço da Penn passar no teste da realidade, pode mudar a indústria de IA. OpenAI, Google, Meta e Microsoft investiram dezenas de bilhões em data centers e GPUs caras. A computação óptica pode tornar esses investimentos menos críticos e permitir que a IA fique mais poderosa sem um aumento proporcional do consumo de energia e da pegada de carbono.

*A Meta foi reconhecida como organização extremista e é proibida na Rússia.