El director del laboratorio afirma que es necesario superar desafíos científicos fundamentales para alcanzar el rendimiento teórico.
China ha establecido un laboratorio de alto nivel en Shanghái dedicado a la computación fotónica, en un esfuerzo por sortear las limitaciones energéticas y las restricciones tecnológicas estadounidenses que obstaculizan sus ambiciones en el desarrollo de la inteligencia artificial.
El Laboratorio Clave de Shanghái de Chips y Sistemas Integrados de Computación Fotónica, inaugurado el miércoles, fue la primera plataforma conjunta entre la industria y la academia en China dedicada a este campo, según informó el jueves el diario Jiefang Daily de Shanghái.
Zou Weiwen, director del nuevo laboratorio y profesor de fotónica en la Universidad Jiao Tong de Shanghái, afirmó que la computación fotónica —u óptica— representa “una vía importante para lograr avances significativos en la capacidad de procesamiento, ofreciendo ventajas en ancho de banda, latencia y eficiencia energética”. El nuevo laboratorio tiene su sede en la universidad.
Mientras que los semiconductores tradicionales dependen de electrones para transmitir datos a través de circuitos de silicio, los chips fotónicos utilizan partículas de luz —fotones— para la transmisión y el procesamiento de datos.
Dado que los fotones viajan mucho más rápido que los electrones y generan menos calor, los chips fotónicos podrían ofrecer un mayor rendimiento consumiendo solo una fracción de la energía, lo que los convierte en una alternativa potencial a los semiconductores convencionales utilizados en los centros de datos de alto consumo energético que impulsan el auge de la IA.
Según informó el diario Jiefang Daily, el laboratorio de Shanghái se centrará en la investigación de arquitecturas de chips fotónicos, la integración de silicio y fotónica, componentes ópticos y los algoritmos y aplicaciones comerciales necesarios para su viabilidad.
Este lanzamiento se produce en un momento en que las empresas tecnológicas de todo el mundo compiten por obtener la enorme capacidad de procesamiento necesaria para entrenar y ejecutar modelos de IA cada vez más sofisticados. El creciente consumo de energía y las exigencias de rendimiento de estos modelos están llevando a los semiconductores de silicio convencionales al límite de sus capacidades físicas.
