Nossa capacidade de amontoar transistores cada vez menores em um chip possibilitou a era atual da computação onipresente. Mas essa abordagem está finalmente a chegar aos limites, com alguns especialistas a declarar o fim da Lei de Moore e de um princípio relacionado, conhecido como Escala de Dennard.

Esses desenvolvimentos não poderiam ocorrer em pior momento. A procura de poder computacional disparou nos últimos anos graças, em grande parte, ao aumento da inteligência artificial e não mostra sinais de abrandamento.

Agora, a Lightmatter, uma empresa fundada por três ex-alunos do MIT, dá continuidade ao notável progresso da computação, repensando a força vital do chip. Em vez de depender apenas da eletricidade, a empresa também utiliza luz para processamento e transporte de dados. Os dois primeiros produtos da empresa, um chip especializado em operações de inteligência artificial e uma interconexão que facilita a transferência de dados entre chips, utilizam fótons e elétrons para conduzir operações mais eficientes.

“Os dois problemas que estamos resolvendo são 'Como os chips falam?' e 'Como você faz esses cálculos [de IA]?'”, Diz o cofundador e CEO da Lightmatter, Nicholas Harris PhD '17. “Com nossos dois primeiros produtos, Envise e Passage, estamos abordando essas duas questões.”

Em uma homenagem ao tamanho do problema e à demanda por IA, a Lightmatter arrecadou pouco mais de US$ 300 milhões em 2023, com uma avaliação de US$ 1,2 bilhão. Agora, a empresa está a demonstrar a sua tecnologia com algumas das maiores empresas de tecnologia do mundo, na esperança de reduzir a enorme procura de energia dos centros de dados e dos modelos de IA.

“Vamos habilitar plataformas baseadas em nossa tecnologia de interconexão que são compostas por centenas de milhares de unidades de computação de próxima geração”, diz Harris. “Isso simplesmente não seria possível sem a tecnologia que estamos construindo. ”

Antes do MIT, Harris trabalhou na empresa de semicondutores Micron Technology, onde estudou os dispositivos fundamentais por trás dos chips integrados. A experiência o fez ver como a abordagem tradicional para melhorar o desempenho do computador – colocar mais transistores em cada chip – estava atingindo seus limites.

“Vi como o roteiro da computação estava desacelerando e queria descobrir como poderia continuar com ele”, diz Harris. “Quais abordagens podem aumentar os computadores? A computação quântica e a fotônica foram dois desses caminhos.”

Harris veio para o MIT para trabalhar em computação quântica fotônica para seu doutorado com Dirk Englund, professor associado do Departamento de Engenharia Elétrica e Ciência da Computação. Como parte desse trabalho, ele construiu chips fotônicos integrados à base de silício que poderiam enviar e processar informações usando luz em vez de eletricidade.

O trabalho resultou em dezenas de patentes e mais de 80 artigos de pesquisa em revistas de prestígio como a Nature. Mas outra tecnologia também chamou a atenção de Harris no MIT.

“Lembro-me de andar pelo corredor e ver alunos saindo dessas salas de aula do tamanho de um auditório, assistindo a vídeos de palestras ao vivo para ver professores ensinando aprendizagem profunda”, lembra Harris, referindo-se à técnica de inteligência artificial. “Todos no campus sabiam que o aprendizado profundo seria um grande negócio, então comecei a aprender mais sobre isso e percebemos que os sistemas que eu estava construindo para a computação quântica fotônica poderiam realmente ser aproveitados para fazer o aprendizado profundo.”

Harris planejava se tornar professor após seu doutorado, mas percebeu que poderia atrair mais financiamento e inovar mais rapidamente por meio de uma startup, então se uniu a Darius Bunandar PhD '18, que também estudava no laboratório de Englund, e a Thomas Graham MBA '18. Os cofundadores lançaram-se com sucesso no mundo das startups ao vencer a Competição de Empreendedorismo de US$ 100 mil do MIT 2017.

O chip Envise da Lightmatter pega a parte da computação que os elétrons fazem bem, como a memória, e a combina com o que a luz faz bem, como realizar multiplicações massivas de matrizes de modelos de aprendizado profundo.

“Com a fotônica, você pode realizar vários cálculos ao mesmo tempo porque os dados chegam em diferentes cores de luz”, explica Harris. “Em uma cor, você poderia ter a foto de um cachorro. Em outra cor, você poderia ter a foto de um gato. Em outra cor, talvez uma árvore, e você poderia ter todas essas três operações passando pela mesma unidade de computação óptica, esse acelerador de matriz, ao mesmo tempo. Isso aumenta as operações por área e reutiliza o hardware existente, aumentando a eficiência energética.”

A passagem aproveita as vantagens da latência e da largura de banda da luz para conectar processadores de maneira semelhante à forma como os cabos de fibra óptica usam a luz para enviar dados por longas distâncias. Ele também permite que chips tão grandes quanto wafers inteiros atuem como um único processador. O envio de informações entre chips é fundamental para o funcionamento dos enormes farms de servidores que alimentam a computação em nuvem e executam sistemas de IA como o ChatGPT.

Ambos os produtos são projetados para trazer eficiência energética à computação, que Harris diz ser necessária para acompanhar o aumento da demanda sem trazer grandes aumentos no consumo de energia.

“Até 2040, alguns preveem que cerca de 80% de todo o uso de energia no planeta será dedicado a centros de dados e à computação, e a IA será uma enorme fração disso”, diz Harris. “Quando você olha para implantações de computação para treinar esses grandes modelos de IA, eles estão caminhando para o uso de centenas de megawatts. Seu uso de energia está na escala das cidades.”

Lightmatter está atualmente trabalhando com fabricantes de chips e provedores de serviços em nuvem para implantação em massa. Harris observa que, como os equipamentos da empresa funcionam com silício, eles podem ser produzidos nas instalações existentes de fabricação de semicondutores sem grandes mudanças no processo.

Os planos ambiciosos destinam-se a abrir um novo caminho para a computação que teria enormes implicações para o ambiente e a economia.

“Continuaremos examinando todas as peças dos computadores para descobrir onde a luz pode acelerá-los, torná-los mais eficientes em termos energéticos e mais rápidos, e continuaremos a substituir essas peças”, diz Harris. “No momento, estamos focados na interconexão com o Passage e na computação com o Envise. Mas com o tempo, construiremos a próxima geração de computadores, e tudo será centrado na luz.”