La computación basada en silicio ha sido un motor clave de la innovación, pero las cargas de trabajo modernas están llevando a los ordenadores de alto rendimiento hasta su punto de ruptura.
La computación fotónica u óptica, que utiliza luz en lugar de electricidad, abre el camino a un nuevo mundo de computación más rápida y eficiente.
Con la creciente demanda de una computación más rápida y ecológica, los sistemas fotónicos pueden complementar y, en algunos casos, superar a los sistemas tradicionales.
Los avances en la computación basada en silicio han impulsado la innovación en las últimas décadas. Sin embargo, las cargas de trabajo modernas, que incluyen proyectos masivos como las simulaciones climáticas y el entrenamiento de sistemas de inteligencia artificial (IA), están llevando a los ordenadores de alto rendimiento hasta su punto de ruptura.
Mientras tanto, la computación cuántica aún se encuentra en sus primeras etapas y está a años de distancia de poder dar soporte a aplicaciones a escala comercial. En este vacío aparece un candidato prometedor: la computación fotónica (u óptica).
La computación fotónica utiliza luz en lugar de electricidad para realizar cálculos. Aunque el concepto se lleva explorando durante décadas, los avances recientes lo están acercando a su viabilidad comercial.
De hecho, Gartner acaba de incluir la computación fotónica en su Hype Cycle de 2025 para tecnologías de infraestructura de centros de datos, un indicador clave de que la tecnología está ganando tracción entre los líderes del sector y los inversores.
Por qué importa la computación fotónica
La computación fotónica aprovecha la velocidad y la eficiencia de la luz. Los fotones pueden transmitir datos más rápido que los electrones y funcionar en entornos de bajo consumo energético, lo que los hace ideales para procesar cargas de trabajo intensivas como los cálculos científicos, el aprendizaje automático y los problemas de optimización.
Además, mientras que los sistemas electrónicos disipan calor y requieren una refrigeración intensiva, los sistemas ópticos funcionan con una sobrecarga térmica mínima.
El impulso de la computación fotónica va en aumento, y la investigación actual allana el camino hacia un nuevo mundo de computación más rápida y eficiente.
El campo de la computación fotónica cuenta con varias arquitecturas, cada una con sus propias ventajas y compromisos:
1. Óptica de espacio libre (FSO): La forma más antigua de computación óptica. Los sistemas FSO procesan información manipulando la luz en el aire o en el vacío mediante lentes, moduladores espaciales de luz y máscaras. Los sistemas FSO van desde pequeñas cajas hasta ocupar varios racks, y ofrecen tanto flexibilidad como velocidad.
Los sistemas FSO se enfrentan a algunos desafíos antes de poder convertirse en productos prácticos. Un problema clave es hacer que los sistemas sean más duraderos y fiables, lo que requiere una mejor ingeniería optomecánica, como la integración de bloques ópticos sólidos, moduladores espaciales de luz (SLM) integrados o metamateriales fotónicos.
Otro problema es que los moduladores espaciales de luz actuales, que manipulan y controlan la luz en estos sistemas, son mucho más lentos que los dispositivos electrónicos. Sin embargo, se está desarrollando una nueva generación de SLM más rápidos y de mayor resolución, que debería ayudar a superar estas limitaciones.
2. Chips fotónicos: Al combinar componentes ópticos miniaturizados, como láseres, divisores de haz e interferómetros, en un factor de forma compacto, los chips fotónicos permiten velocidad y una fácil integración en las arquitecturas electrónicas existentes. Existen muchas tecnologías en este campo, pero todas ellas tienen dificultades para escalar y gestionar tareas más complejas.
Los diseños actuales de chips son mayoritariamente bidimensionales, lo que limita su utilidad. Para aumentar su rendimiento, algunas empresas han intentado conectar chips entre sí, pero esto suele provocar una pérdida significativa de señal. Otro desafío es que los chips fotónicos no pueden almacenar memoria de forma óptica, por lo que deben alternar constantemente entre luz y electricidad, lo que reduce el rendimiento y la precisión. En los grandes circuitos ópticos, las señales analógicas también pueden debilitarse y volverse ruidosas, lo que dificulta obtener resultados precisos.
Debido a lo difícil que resulta escalar, algunas empresas están desplazando su atención desde la fabricación de chips ópticos de IA completos hacia la creación de interconexiones ópticas, que utilizan la luz para mover datos entre componentes electrónicos. Este camino implica crear nuevos materiales y dispositivos que reduzcan la pérdida de señal y mejoren la precisión. Por ejemplo, el niobato de litio ha mostrado resultados prometedores en experimentos iniciales.
3. Sistemas de fibra óptica: Estos sistemas aprovechan la luz guiada dentro de las fibras ópticas, apoyándose en la madura infraestructura de las comunicaciones por fibra óptica para realizar cálculos complejos, útiles para resolver problemas difíciles de optimización e inteligencia artificial, entre otros.
Un ejemplo es la máquina de Ising coherente (CIM), que envía pulsos de luz a través de un bucle de fibra óptica para realizar cálculos. Por desgracia, depende de la electrónica para funciones clave, lo que da lugar a una conversión óptico-eléctrica-óptica que reduce significativamente la velocidad de cálculo. Los diseños futuros probablemente evolucionarán hacia arquitecturas basadas en chips para lograr una mejor integración y escalabilidad. Para aprovechar plenamente la ventaja óptica, la matriz de puertas programables en campo (FPGA) electrónica que controla el sistema debe sustituirse por un procesador totalmente óptico, eliminando así la 'penalización por conversión'.
Otro diseño creativo utiliza fibras especiales con múltiples núcleos para realizar muchos cálculos al mismo tiempo, como una especie de multitarea con luz. La mayoría de los sistemas de fibra óptica multinúcleo todavía se encuentran en fase de investigación.
Otros cuellos de botella en el camino hacia la comercialización
A pesar del impulso creciente, deben superarse obstáculos técnicos adicionales antes de que la computación fotónica pueda alcanzar una adopción generalizada:
Precisión y estabilidad: Los sistemas basados en luz son vulnerables a la desalineación, a los cambios de temperatura o al ruido aleatorio en la señal. Los investigadores están abordando estos problemas con sistemas de retroalimentación en bucle cerrado que realizan ajustes automáticos, lentes especiales que se adaptan para lograr un enfoque óptimo y herramientas de aprendizaje automático que ayudan a mantener el sistema correctamente ajustado.
Memoria y almacenamiento: Almacenar datos ópticos es un gran desafío. El desarrollo de memoria óptica, incluidos los flip-flops (que almacenan bits individuales de información) y las líneas de retardo para controlar el momento de las señales de luz, podría cambiar las reglas del juego. Una excepción prometedora son los sistemas basados en una cavidad óptica, que utilizan la luz tanto como medio de memoria como de cálculo, eliminando así la sobrecarga de transportar datos entre la memoria y el procesador.
Integración y empaquetado: Ya sea alineando láseres en sistemas de espacio libre o miniaturizando circuitos fotónicos en chips, la integración física sigue siendo un desafío. Las innovaciones en el empaquetado 3D y en los materiales pueden ayudar a mejorar la escalabilidad y reducir los costes.
El camino por delante para la computación fotónica
Estamos entrando en una ventana crítica en la evolución de la computación fotónica. Con la demanda mundial de una computación más rápida, más ecológica y con mayores capacidades creciendo cada día, los sistemas fotónicos ofrecen una alternativa que complementa y, en algunos casos, supera a los sistemas tradicionales basados en silicio.
Aunque los sistemas de espacio libre totalmente ópticos parecen ser los más viables a corto plazo, los sistemas híbridos que combinan componentes ópticos y electrónicos también podrían desempeñar un papel importante, especialmente si los avances en la conversión OEO reducen las penalizaciones energéticas.
La computación en memoria, es decir, el uso simultáneo de la luz para el cálculo y el almacenamiento, podría ser prometedora. A medio plazo, las arquitecturas que combinan el procesamiento espacial y temporal podrían desbloquear nuevos niveles de rendimiento y eficiencia.
