Un estudio amplía las redes neuronales ópticas al dominio temporal

Un estudio reseñado por ScienMag describe una arquitectura de red neuronal que realiza sus cálculos íntegramente con luz mientras procesa información que cambia con el tiempo. Publicado en Light: Science & Applications, el trabajo amplía la computación óptica difractiva más allá de los patrones estáticos y bidimensionales utilizados por muchos sistemas anteriores.

El marco desarrollado por los investigadores controla un campo de luz de dos maneras simultáneas: moldeando su distribución espacial y dirigiendo cómo ese campo evoluciona con el tiempo. De este modo, pretende permitir que las redes ópticas procesen formas de onda y secuencias sin enviar los datos a un procesador electrónico entre una etapa y la siguiente.

De los patrones espaciales a las señales cambiantes

Las redes neuronales difractivas utilizan una serie de capas ópticas delgadas. Sus propiedades de transmisión o reflexión se seleccionan durante un proceso de entrenamiento realizado por ordenador. Una vez que la luz entra en la estructura entrenada, se propaga de una capa a la siguiente. La difracción y la interferencia resultantes realizan operaciones análogas a las conexiones ponderadas de una red neuronal artificial.

Esta configuración permite que el cálculo directo de la red se lleve a cabo mientras la luz atraviesa las capas. A diferencia de los sistemas electrónicos convencionales, el dispositivo óptico no necesita realizar una multiplicación digital independiente en cada conexión. Sin embargo, las versiones anteriores generalmente trabajaban con una sola imagen u otro patrón espacial fijo. Podían transformar o clasificar información distribuida sobre una superficie, pero no tenían en cuenta de forma natural cómo evoluciona una señal con el tiempo.

Esta limitación es importante porque muchas entradas útiles no son imágenes estáticas. Los datos de comunicaciones pueden llegar como formas de onda ópticas cambiantes, mientras que las señales biológicas y las escenas en movimiento también contienen información en su comportamiento temporal. Una palabra hablada, por ejemplo, depende de una secuencia de cambios y no de una única instantánea aislada.

El nuevo diseño trata el campo óptico como algo que varía tanto con la posición como con el tiempo. Por ello, sus capas son más que máscaras espaciales: están concebidas para modificar la relación entre distintas partes de un campo variable en el tiempo a medida que esos componentes se propagan e interfieren. El patrón de luz final puede representar entonces una respuesta, como un resultado de clasificación o una forma de onda transformada.

La luz como medio de computación

La red se entrena numéricamente. Los modelos de propagación de ondas se combinan con métodos de aprendizaje automático, y las propiedades de las capas se ajustan repetidamente para reducir la diferencia entre la salida del sistema y el resultado deseado. Después del entrenamiento, esos parámetros se asignan a elementos ópticos físicos.

Durante su funcionamiento, el marco está diseñado para realizar la inferencia de forma pasiva. Esto lo distingue de los sistemas híbridos en los que la óptica ejecuta solo una parte del cálculo antes de que intervenga la electrónica. En la vía totalmente óptica propuesta, la propagación, la difracción y la interferencia de la luz proporcionan la propia computación.

Añadir la dimensión temporal podría permitir al sistema combinar información a lo largo de una ventana, en lugar de tratar cada instante de manera independiente. Según el informe de ScienMag, una red de este tipo podría realizar filtrado temporal, correlación y reconocimiento de secuencias mediante el comportamiento de la luz mientras se desplaza por la estructura. Esto abre la posibilidad de analizar datos en flujo al comienzo de un sistema de detección o comunicaciones, antes de que la señal se convierta a un formato electrónico.

El enfoque también aprovecha varias propiedades de la luz capaces de transportar información, como la estructura espacial, la longitud de onda, la polarización y el perfil temporal. El estudio se centra en el control conjunto del espacio y el tiempo, un campo de la investigación óptica que ha permitido crear pulsos diseñados y otros patrones de luz cuyo comportamiento se moldea deliberadamente durante la propagación.

Posibles ventajas y obstáculos pendientes

El consumo energético es una de las principales razones del interés por las redes neuronales ópticas. El hardware electrónico de IA puede consumir una cantidad considerable de energía al mover datos entre la memoria y las unidades de procesamiento, además de realizar las operaciones matemáticas necesarias para la inferencia. Una red óptica difractiva ejecuta sus transformaciones mediante el movimiento y la interferencia de la luz, por lo que el coste operativo está asociado principalmente a producir y detectar la luz, y no a realizar un cálculo electrónico en cada conexión.

La extensión temporal podría hacer que esa ventaja resultara relevante para un abanico más amplio de tareas, especialmente en las comunicaciones ópticas, donde la información ya viaja como luz modulada. Evitar conversiones repetidas entre formatos ópticos y electrónicos también podría permitir un procesamiento muy rápido. En dispositivos compactos, el tiempo que necesita la luz para atravesar la red podría medirse en picosegundos, aunque el rendimiento práctico de un sistema completo dependería de sus componentes y detectores.

El trabajo se presenta como un marco de diseño y una base para futuras implementaciones, no como un producto terminado. Construir capas físicas que impongan con precisión los cambios requeridos sobre una luz que varía rápidamente será complicado. La alineación, la precisión de fabricación y el ancho de banda de los detectores podrían afectar a que un dispositivo funcione tal como predice su modelo entrenado.

ScienMag informa de que el estudio establece principios y una metodología para redes neuronales difractivas espaciotemporales. Será necesario seguir trabajando para convertir esos principios en sistemas que funcionen en distintos rangos de frecuencias ópticas y plataformas de hardware, pero el marco amplía el posible papel de la óptica pasiva en el procesamiento de información dinámica.