Las operaciones tensoriales son una forma de matemática avanzada que sustenta muchas tecnologías modernas, especialmente la inteligencia artificial. Estas actividades van más allá de los simples cálculos que realiza la mayoría de la gente. Una forma útil de visualizarlos es visualizar un cubo de Rubik rotando, cortando o reorganizando sus capas en diferentes dimensiones a la vez. Los humanos y las computadoras tradicionales deben dividir estas tareas en secuencias, pero la luz puede realizarlas todas al mismo tiempo.
Las operaciones tensoriales son esenciales hoy en día para los sistemas de inteligencia artificial involucrados en el procesamiento de imágenes, la comprensión del lenguaje y muchas otras tareas. A medida que los volúmenes de datos siguen creciendo, el hardware digital tradicional, como las GPU, se enfrenta a presiones cada vez mayores en términos de velocidad, consumo de energía y escalabilidad.
Los investigadores demuestran la computación tensorial de un solo disparo con luz
Para abordar este desafío, un equipo internacional dirigido por el Dr. Yufeng Zhang del Grupo de Fotónica del Departamento de Electrónica y Nanoingeniería de la Universidad de Aalto ha desarrollado un enfoque fundamentalmente nuevo. Su método permite completar cálculos complejos de tensores con un solo movimiento de luz a través de un sistema óptico. El proceso, descrito como computación tensorial de disparo único, opera a la velocidad de la luz.
“Nuestro enfoque realiza los mismos tipos de operaciones que manejan las GPU actuales, como convolución y niveles de atención, pero todo a la velocidad de la luz”, dijo el Dr. Zhang. “En lugar de depender de circuitos electrónicos, utilizamos las propiedades físicas de la luz para realizar muchos cálculos simultáneamente”.
Codificación de información en luz para computación de alta velocidad
El equipo logró esto incorporando información digital en la amplitud y fase de las ondas de luz, convirtiendo datos numéricos en variaciones físicas en el campo óptico. A medida que estas ondas de luz interactúan, realizan automáticamente procedimientos matemáticos como la multiplicación de matrices y tensores, que forman la base del aprendizaje profundo. Al trabajar con múltiples longitudes de onda de luz, los investigadores ampliaron su técnica para admitir operaciones tensoriales más complejas y de orden superior.
“Imagínese que es un funcionario de aduanas que tiene que inspeccionar cada paquete a través de múltiples máquinas con diferentes funciones y luego clasificarlos en los contenedores correctos”, dice Zhang. “Normalmente, se procesa cada paquete uno por uno. Nuestro enfoque de computación óptica integra todos los paquetes y todas las máquinas: creamos múltiples ‘ganchos ópticos’ que conectan cada entrada con su salida adecuada. Con una sola operación, una pasada de luz, toda la inspección y clasificación se realiza instantáneamente y en paralelo”.
Procesamiento óptico pasivo con amplia compatibilidad
Una de las ventajas más atractivas de este método es la poca intervención que requiere. Las operaciones necesarias ocurren por sí solas a medida que viaja la luz, por lo que el sistema no requiere control activo ni conmutación electrónica durante el cálculo.
“Este método se puede aplicar a casi cualquier plataforma óptica”, afirmó el profesor Zhibei Sun, líder del grupo de fotónica de la Universidad de Aalto. “En el futuro, planeamos integrar este marco computacional directamente en chips fotónicos, permitiendo a los procesadores basados en luz realizar tareas complejas de IA con un consumo de energía extremadamente bajo”.
El camino hacia el futuro hardware de IA basado en la luz
Zhang señaló que el objetivo final es adaptar la técnica al hardware y las plataformas existentes utilizadas por las principales empresas de tecnología. Estima que el método podría incorporarse a dichos sistemas en un plazo de 3 a 5 años.
“Esto creará una nueva generación de sistemas de computación óptica, acelerando significativamente tareas complejas de IA en numerosos campos”, concluyó.
El estudio fue publicado Fotónica de la naturaleza el 14 de noviembre de 2025.
