🔬

Photonic Neural Processor

Interactive browser-based simulation of optical neural networks using light for ultrafast AI computations, featuring Mach-Zehnder interferometers, photonic spiking neurons, and real-time optical path visualization

🔬 Pruébalo ahora

¿Qué es esto?

🎯 Consejos del simulador

📚 Glosario

Photonic Neural Network
Una red neuronal artificial que utiliza señales ópticas (fotones) en lugar de señales eléctricas (electrones) para realizar cálculos, lo que permite el procesamiento a la velocidad de la luz.
Mach-Zehnder Interferometer (MZI)
Dispositivo óptico que divide un haz de luz en dos caminos y los recombina; al controlar la fase relativa, puede realizar las operaciones matriciales necesarias para las redes neuronales.
Matrix Multiplication
La operación matemática central en el aprendizaje profundo, donde los datos de entrada se transforman mediante matrices de peso; Los procesadores fotónicos realizan esta operación a la velocidad de la luz.
Optical Nonlinearity
Respuesta no proporcional de un material a la intensidad de la luz, esencial para implementar funciones de activación en redes neuronales fotónicas, un desafío clave en este campo.
Silicon Photonics
La tecnología de construcción de circuitos ópticos en chips de silicio utilizando fabricación de semiconductores estándar, lo que permite la producción en masa de procesadores fotónicos.
Wavelength Division Multiplexing
Enviar múltiples canales de datos simultáneamente a través de la misma ruta óptica utilizando diferentes longitudes de onda de luz, lo que aumenta drásticamente el rendimiento.
Microring Resonator
Una guía de ondas óptica circular compacta que puede filtrar, conmutar y modular señales de luz, utilizada como pesos programables en redes neuronales fotónicas.
Phase-Change Material (PCM)
Un material que puede cambiar entre estados cristalinos y amorfos, utilizado en sistemas fotónicos para el almacenamiento de peso no volátil en sinapsis de redes neuronales.
Optical Computing
Paradigma informático que utiliza fotones para el procesamiento de información, ofreciendo ventajas en velocidad, paralelismo y eficiencia energética sobre la computación electrónica.
Activation Function
Una función matemática no lineal aplicada a las salidas de redes neuronales; implementar esto ópticamente (sin convertirlo a la electrónica) es un gran desafío.
In-Situ Training
Entrenar una red neuronal directamente en el hardware fotónico en lugar de en una computadora digital, gracias a la latencia ultrabaja de la computación óptica.
Neuromorphic Photonics
El campo que combina la informática inspirada en la neurociencia con la fotónica, utilizando neuronas y sinapsis basadas en la luz para imitar el procesamiento neuronal biológico.
Photonic Integrated Circuit (PIC)
Chip que integra múltiples componentes ópticos (guías de ondas, moduladores, detectores) en un único sustrato, análogo a los circuitos electrónicos integrados.

🏆 Figuras clave

Yichen Shen (2017)

Lideró el equipo del MIT en 2017 que demostró la primera red neuronal óptica en un chip utilizando 56 interferómetros Mach-Zehnder programables en un chip fotónico de silicio.

Dirk Englund (2024)

Profesor del MIT cuyo Quantum Photonics and AI Group demostró un procesador fotónico totalmente integrado que logra una precisión superior al 92 % en inferencias de menos de nanosegundos (2024)

Marin Soljacic (2017)

Profesor del MIT que codirigió el trabajo pionero de redes neuronales ópticas de 2017 y continúa avanzando en las arquitecturas de computación fotónica.

Demetri Psaltis (1990s)

Pionero de las redes neuronales ópticas que utilizan la holografía en la década de 1990 en Caltech, estableciendo las bases teóricas de la computación fotónica.

Wolfram Pernice & Harish Bhaskaran (2019-2021)

Se desarrollaron sinapsis fotónicas basadas en materiales de cambio de fase que permiten el almacenamiento de peso no volátil para redes neuronales fotónicas.

Bhavin Shastri & Paul Prucnal (2021)

Se publicó una influyente revisión de Nature Photonics que establece la hoja de ruta para la fotónica neuromórfica y la computación óptica basada en picos.

Gu Min (2025)

Dirigió revisiones exhaustivas de sinapsis fotónicas, neuronas y memristores integrados en la Universidad de Ciencia y Tecnología de Shanghai.

🎓 Recursos de aprendizaje

💬 Mensaje a los estudiantes

El futuro de la informática con IA podría no ser la electrónica más rápida, sino la luz misma. Los procesadores neuronales fotónicos representan un cambio fundamental: en lugar de empujar electrones a través de pequeños cables que generan calor y desperdician energía, guiamos los fotones a través de circuitos ópticos que calculan a la velocidad de la luz. Un único chip fotónico puede realizar en nanosegundos lo que los procesadores electrónicos tardan en completar en microsegundos. A medida que los modelos de IA crecen cada vez más y consumen más energía, la computación fotónica ofrece un camino hacia una inteligencia sostenible y ultrarrápida. La revolución de los transistores cambió el mundo; la revolución fotónica puede cambiarlo nuevamente.

Comenzar

Gratis, sin registro

Comenzar →