La computación óptica usa amplitud, fase, frecuencia o polarización de la luz para representar y transformar datos
La computación óptica procesa información mediante componentes que guían, combinan y modifican luz, en lugar de realizar todas las operaciones con corrientes eléctricas. Un modulador codifica números en intensidad o fase; guías de onda transportan señales; interferómetros las suman con pesos controlados; detectores convierten el resultado en una señal medible. La física de propagación ejecuta ciertas operaciones mientras la luz atraviesa el circuito, sin repetir cada multiplicación en una secuencia electrónica convencional paso a paso.
No es simplemente «un ordenador a la velocidad de la luz». Las señales eléctricas dentro de chips también se propagan muy rápido y el tiempo total incluye memoria, conversión y control. La ventaja óptica aparece cuando muchas señales operan en paralelo, se multiplexan por colores o realizan álgebra lineal con poco movimiento de carga. El beneficio depende de la arquitectura completa, no de una velocidad aislada.
Dos ondas combinadas pueden sumar o cancelar sus amplitudes de manera controlada
Un interferómetro Mach-Zehnder divide luz entre dos caminos, cambia sus fases y vuelve a unirla. Según la diferencia, la salida aumenta o disminuye. Redes de interferómetros pueden implementar multiplicaciones de matrices: cada fase representa un peso y varias entradas se transforman simultáneamente. Estas operaciones dominan redes neuronales, procesamiento de señales y simulaciones.
Otra estrategia usa resonadores en anillo que responden a longitudes de onda concretas. Cada color transporta un canal y puede recibir un peso diferente. Sistemas difractivos distribuyen el cálculo en una superficie óptica. En todos los casos, fabricar y calibrar componentes con precisión es esencial; una desviación diminuta cambia fases y resultados.
La mayoría de aceleradores fotónicos representan valores continuos y aceptan un presupuesto de error
Muchos procesadores ópticos son analógicos: una intensidad representa un número dentro de un rango. Ruido, pérdida, temperatura y errores de fabricación limitan precisión. Esto no los vuelve inútiles. La inferencia de inteligencia artificial puede tolerar aritmética aproximada si el sistema se entrena o calibra para ella. Otras tareas científicas necesitan más bits y reducen la ventaja.
La conversión digital-analógica prepara las entradas y los fotodetectores devuelven salidas electrónicas. Si esas conversiones ocurren tras cada capa, pueden consumir más energía que el núcleo óptico ahorra. La memoria de pesos y activaciones sigue siendo un cuello de botella. Por eso los diseños prometedores colocan más trabajo entre conversiones y combinan fotónica con electrónica cercana.
El mayor potencial está en aceleradores especializados, no en reemplazar cada transistor
La luz ofrece gran ancho de banda y permite que muchas longitudes de onda compartan una guía sin interferirse si se diseñan bien. Una multiplicación matricial puede ocurrir con baja latencia y abundante paralelismo. Aplicaciones candidatas incluyen inferencia de redes neuronales, comunicaciones, optimización y procesamiento directo de datos de sensores.
Un procesador general necesita lógica condicional, acceso aleatorio a memoria y operaciones exactas variadas. Los transistores electrónicos son compactos, baratos y excelentes para esas tareas. La fotónica suele ocupar más área y las no linealidades ópticas eficientes son difíciles. El escenario realista es un sistema híbrido: CPU y memoria controlan, mientras un bloque óptico acelera una operación repetida.
Transportar bits con luz, calcular con ondas clásicas y procesar estados cuánticos son usos diferentes
La fibra óptica transmite datos a largas distancias, pero normalmente los routers y servidores calculan electrónicamente. Una interconexión fotónica puede aliviar el coste de mover información sin ejecutar la operación principal. La computación óptica comienza cuando la transformación física de la luz forma parte del cálculo, no solo del transporte.
La computación cuántica usa superposición, interferencia y medida de estados cuánticos. Algunas plataformas emplean fotones individuales, pero un acelerador óptico clásico trabaja con campos que contienen enormes cantidades de fotones y produce resultados analógicos ordinarios. Compartir componentes ópticos no convierte una tecnología en la otra.
Un prototipo rápido debe seguir funcionando al crecer, calentarse y conectarse con datos reales
Integrar miles de elementos exige compensar variaciones de fabricación y deriva térmica. Ajustar cada fase consume control y puede limitar densidad. Las pérdidas se acumulan; amplificar añade ruido y energía. También hay que comparar con el mejor chip electrónico disponible usando la misma precisión, tamaño de tarea y coste de entrada y salida. Un resultado de laboratorio no demuestra ventaja de sistema.
La fabricación en plataformas compatibles con silicio y nuevos materiales mejora moduladores, detectores y memoria fotónica. El crecimiento de los centros de datos hace valioso reducir energía tanto al comunicar como al calcular. La computación óptica no promete luz mágica sin calor; ofrece una física diferente para operaciones concretas. Su éxito dependerá de escoger problemas donde paralelismo y ancho de banda compensen conversión, ruido y control.
El algoritmo puede rediseñarse junto con el hardware. Si una red neuronal conoce precisión y ruido del circuito, el entrenamiento ajusta pesos que toleren esas desviaciones. También puede dividirse una operación: la parte lineal masiva ocurre en luz y la activación no lineal en electrónica. Esta codesignación evita medir un prototipo como si fuera una CPU. La comparación justa incluye calidad del resultado, energía de láseres y control, calibración, memoria y rendimiento sostenido, no solo operaciones teóricas por segundo dentro del núcleo fotónico. También debe incluir cuánto tarda reprogramar pesos cuando la tarea cambia y qué rendimiento mantiene después de horas de funcionamiento sin perder estabilidad térmica ni precisión útil a largo plazo.
