Penn criou uma partícula híbrida para AI ultrarrápida e eficiente em energia

Cientistas da Universidade da Pensilvânia criaram uma partícula híbrida feita de luz e matéria que pode revolucionar a computação para inteligência artificial. O avanço pode permitir substituir processos eletrônicos que consomem muita energia por tecnologias fotônicas ultra-eficientes.

Luz em

Vez de Elétrons A nova partícula é um híbrido: ela combina propriedades de fótons (partículas de luz) e matéria em nível quântico. Os pesquisadores da Penn conseguiram um estado em que um fóton pode interagir com elétrons em um material de forma que surge um objeto inteiramente novo com propriedades combinadas de ambos. Tal partícula pode transmitir informação muito mais rápido do que elétrons tradicionais em processadores de silício.

Físicos conhecem essa abordagem há muito tempo, mas Penn é a primeira a demonstrar sua aplicabilidade à computação com IA. A principal distinção dos sistemas fotônicos: eles não sofrem com as limitações da eletrônica. A luz viaja em velocidades próximas ao máximo da natureza e não se aquece ao se mover através dos materiais.

Isso significa que a computação se tornará simultaneamente mais rápida e mais fria — dois parâmetros críticos para sistemas de IA que estão chegando aos limites térmicos.

Energia e

Velocidade A principal vantagem da computação fotônica é a redução radical do consumo de energia. Modelos de IA modernos requerem enormes quantidades de energia elétrica: treinar uma grande rede neural como GPT pode custar centenas de milhares de dólares apenas em eletricidade. A pesquisa da Penn mostra que sistemas fotônicos poderiam reduzir esses custos de 10-100 vezes dependendo do tipo de computação.

A velocidade de processamento também é crítica. Quanto mais rápido um processador manipula a informação, mais rápido o modelo de IA funciona, e menos atraso há ao responder às solicitações dos usuários. Em aplicações como processamento de vídeo em tempo real ou atendimento de milhares de usuários simultâneos, a velocidade da computação afeta diretamente a economia do negócio.

• Aceleração do processamento de informação em 10-100 vezes Redução da geração de calor e consumo de energia em ordens de magnitude Escalonamento de sistemas de IA sem construir novos data centers Extensão da vida útil do equipamento através da redução do calor Diminuição do custo de resfriamento e manutenção de servidores ## No Caminho para a Prática Por enquanto, a tecnologia permanece no laboratório no estágio de prova de conceito. Os pesquisadores da Penn dizem que vários desafios de engenharia devem ser resolvidos antes que a computação fotônica se torne o padrão em sistemas comerciais. Isso envolve integração com infraestrutura existente, escalonamento da produção de partículas híbridas e padronização de interfaces. Porém, o progresso está se movendo rapidamente. Primeiras aplicações piloto poderiam aparecer 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 estão investindo em computação óptica, portanto a realização comercial pode chegar mais cedo do que o esperado.

O

Que Isso Significa Se o avanço da Penn resistir ao teste da realidade, isso pode transformar a indústria de IA. OpenAI, Google, Meta e Microsoft investiram dezenas de bilhões em data centers e GPUs caros. A computação fotônica poderia tornar esses investimentos menos críticos e permitir que a IA se torne mais poderosa sem crescimento proporcional no consumo de energia e pegada de carbono. *Meta é reconhecida como uma organização extremista e é proibida na Rússia.