Inteligência artificial fotônica é integrada dentro de fibras ópticas

Sensoriamento acústico distribuído

Você já deve ter ouvido falar de sensores de fibra óptica.

Tecnicamente chamada de sensoriamento acústico distribuído, essa é a tecnologia de ponta para o monitoramento de infraestruturas, com sistemas capazes de detectar vibrações mínimas ao longo de cabos de fibra óptica com dezenas de quilômetros de extensão. Esses sistemas provaram ser inestimáveis para aplicações que vão desde a detecção de terremotos e a exploração de petróleo até o monitoramento ferroviário, de grandes barragens e vigilância de cabos submarinos.

No entanto, esses sensores funcionam continuamente, gerando quantidades enormes de dados, o que cria um gargalo significativo no processamento, limitando sua eficácia para aplicações em tempo real, onde respostas imediatas são cruciais. É claro que as redes neurais e outras técnicas de inteligência artificial podem ajudar, mas aí tropeçamos na velocidade, no tamanho dos equipamentos e no gasto de energia.

Está entrando em cena então uma nova técnica: Se os dados são coletados opticamente dentro das fibras, por que não processá-los também opticamente, usando a fotônica, sem a necessidade de convertê-los em sinais eletrônicos?

Fuhao Yu e colegas da Universidade Nanjing, na China, acabam de demonstrar a viabilidade desse conceito, superando pela primeira vez os desafios técnicos significativos que outras equipes encontraram, particularmente o manuseio das estruturas de dados, muito complexas, e a garantia do processamento preciso dos sinais coletados.

“Este trabalho inovador representa a primeira integração bem-sucedida de redes neurais fotônicas com sistemas de sensoriamento acústico distribuído, que conseguem lidar com o processamento de dados em tempo real,” resumiu o professor Ningmu Zou, coordenador do projeto.

Acelerador de rede neural fotônica implementado pela equipe.

Rede neural fotônica

Os pesquisadores desenvolveram uma arquitetura que transforma as operações tradicionais de uma rede neural eletrônica em processos ópticos, ou seja, executados com luz em vez de eletricidade. Para isso, vários lasers ajustáveis emitem luz em diferentes comprimentos de onda, para representar os kernels de convolução da rede neural – os filtros matemáticos que extraem características dos dados de entrada.

Primeiro é preciso converter os dados bidimensionais dos sensores de fibras ópticas em vetores unidimensionais, que podem então ser codificados em sinais ópticos usando um modulador tradicional, do tipo Mach-Zehnder.

A equipe empregou um interruptor seletivo de comprimento de onda para atribuir pesos específicos a diferentes canais de comprimento de onda, implementando efetivamente as operações de convolução usando sinais de luz, em vez de cálculos eletrônicos. Além disso, eles implementaram uma técnica conhecida como modulação push-pull para minimizar as variações de frequência, alcançando uma precisão de classificação acima de 90%, aproximando-se dos 98,3% obtidos pelos sistemas elétricos convencionais.

O protótipo apresentou capacidades computacionais impressionantes, realizando 1,6 trilhão de operações por segundo (TOPS) com uma eficiência energética de 0,87 TOPS por watt. Teoricamente, o sistema poderá atingir velocidades de 81 TOPS com uma eficiência energética de 21,02 TOPS por watt, superando as GPUs elétricas comparáveis em várias ordens de magnitude.

A fusão totalmente óptica dos sensores de fibras ópticas com sistemas computacionais de alta velocidade representa um passo significativo em direção à tecnologia de monitoramento de infraestrutura de próxima geração, capaz de processar grandes quantidades de dados de sensores em tempo real, viabilizando a proteção de infraestruturas críticas, o monitoramento sísmico e a segurança dos transportes.