Un pequeño equipo de Microsoft Research tenía objetivos ambiciosos cuando hace cuatro años se propuso crear una computadora óptica analógica que utilizaría la luz como medio para resolver problemas complejos.
Desde el principio, quisieron construirlo utilizando piezas disponibles comercialmente (luces micro-LED, lentes ópticas y sensores de cámaras de teléfonos inteligentes) para que fuera asequible y, más tarde, posible fabricarlo con las cadenas de suministro existentes.
Además, imaginaron un dispositivo que podría ser 100 veces más rápido y 100 veces más eficiente energéticamente para resolver ciertos problemas, además de duradero y práctico: algo que podría funcionar a temperatura ambiente como una computadora de escritorio.
A diferencia de una computadora digital binaria típica, una computadora óptica analógica, o AOC, utiliza sistemas físicos para representar los cálculos que realiza, evitando así algunas limitaciones fundamentales de la computación digital. El equipo esperaba que una AOC lo suficientemente grande pudiera resolver rápidamente problemas con los que las computadoras binarias tienen dificultades.
Los problemas de optimización subyacen a numerosos procesos en el ámbito financiero, logístico y sanitario. Requieren elegir las mejores soluciones entre un número incalculable de posibles respuestas. Los investigadores utilizaron el AOC en dos tipos de problemas de optimización: uno relacionado con transacciones bancarias complejas y el otro con el uso de resonancias magnéticas.
Otro hito descrito por los investigadores es el potencial que tiene el AOC para ejecutar cargas de trabajo de IA con una fracción de la energía necesaria y a una velocidad mucho mayor que las GPU que ejecutan los grandes modelos de lenguaje actuales.
El proyecto se describe en un artículo que se publica hoy en la revista científica Nature .
Al mismo tiempo, Microsoft está compartiendo públicamente su algoritmo de “solucionador de optimización” y el “gemelo digital” que desarrolló para que investigadores de otras organizaciones puedan investigar este nuevo paradigma informático y proponer nuevos problemas para resolver y nuevas formas de resolverlos.
Francesca Parmigiani, directora de investigación principal de Microsoft que lidera el equipo que desarrolla el AOC, explicó que el gemelo digital es un modelo basado en computadora que imita cómo se comporta el AOC real; simula las mismas entradas, procesos y salidas, pero en un entorno digital, como una versión de software del hardware.
Esto permitió a los investigadores y colaboradores de Microsoft resolver problemas de optimización a una escala útil en situaciones reales. Este gemelo digital también permitirá a otros usuarios experimentar cómo se mapearían y ejecutarían problemas, ya sea de optimización o de IA, en el hardware de AOC.
«Para tener el tipo de éxito con el que soñamos, necesitamos que otros investigadores experimenten y piensen en cómo se puede utilizar este hardware», dijo Parmigiani.
Hitesh Ballani, quien dirige la investigación sobre la futura infraestructura de IA en el laboratorio de investigación de Microsoft en Cambridge, Reino Unido, dijo que cree que el AOC podría cambiar las reglas del juego.
«Hemos cumplido la promesa inquebrantable de que puede marcar una gran diferencia en dos problemas reales en dos ámbitos: la banca y la sanidad», afirmó. Además, «abrimos un nuevo campo de aplicación al demostrar que el mismo hardware también podría servir para modelos de IA».
En el ejemplo de atención médica descrito en el artículo de Nature, los investigadores utilizaron el gemelo digital para reconstruir resonancias magnéticas con un alto grado de precisión. La investigación indica que, en teoría, el dispositivo podría reducir el tiempo necesario para realizar dichas exploraciones de 30 minutos a cinco. En el ejemplo bancario, el AOC logró resolver un caso de prueba de optimización complejo con un alto grado de precisión.
Aplicación de la AOC para soluciones prácticas
El concepto moderno de computación óptica analógica data de la década de 1960, y la tecnología empleada para crear esta AOC tampoco es nueva. Durante casi 50 años, se han utilizado finos hilos de vidrio, que conforman los cables de fibra óptica, para transmitir datos.
Los fotones son las partículas fundamentales de la luz y no interactúan entre sí. Pero al pasar por un intermediario, como el sensor de una cámara digital, pueden utilizarse en cálculos. Los investigadores de Microsoft utilizaron proyectores con lentes ópticas, sensores digitales y microLED (mucho más finos que un cabello humano) para construir el AOC.
A medida que la luz pasa a través del sensor a diferentes intensidades, el AOC puede sumar y multiplicar números; esta es la base para resolver problemas de optimización. Este fue el primer tipo de problemas que los investigadores pudieron abordar con el AOC.
Los problemas de optimización, definidos de forma sencilla, tienen como objetivo encontrar la mejor solución entre un sinfín de posibilidades. El ejemplo clásico es el « problema del viajante »: si un viajante intentara encontrar la ruta más eficiente para visitar cinco ciudades una sola vez antes de regresar a casa, habría 12 rutas posibles. Pero si hubiera 61 ciudades, el número de rutas potenciales superaría los miles de millones.
Para la investigación que dio origen al artículo de Nature, el equipo construyó un AOC con 256 pesos o parámetros. La generación anterior del AOC solo tenía 64 .
Un mayor peso implica la capacidad de resolver problemas más complejos. A medida que los investigadores perfeccionan el AOC, añadiendo cada vez más microLED, podría llegar a tener millones o incluso más de mil millones de pesos. Al mismo tiempo, debería reducirse cada vez más a medida que se miniaturizan las piezas, según los investigadores.
Parmigiani dijo que el AOC “no es una computadora de propósito general, pero creemos que podemos encontrar una amplia gama de aplicaciones y problemas del mundo real en los que la computadora puede ser extremadamente exitosa”.
Tomar las decisiones correctas en las transacciones
Uno de estos problemas prácticos reside en el mundo de las finanzas. El artículo de Nature detalla un proyecto de investigación plurianual con Barclays Bank PLC para intentar resolver el tipo de problema de optimización que se utiliza a diario en las cámaras de compensación que actúan como intermediarias entre los bancos y otras instituciones financieras.
El problema de los valores de entrega contra pago (DvP) tiene como objetivo encontrar la forma más eficiente de liquidar obligaciones financieras entre múltiples partes en cumplimiento de las regulaciones y minimizando costos o riesgos dentro de las limitaciones de tiempo y los saldos disponibles.
El equipo que construye el AOC está formado por expertos de varias disciplinas diferentes, incluido Kiril Kalinin, un investigador sénior centrado en las matemáticas con experiencia en optimización y aprendizaje automático que trabajó con el equipo de investigación de Barclays para crear un problema de liquidación de transacciones de muestra y resolverlo.
El problema creado por Barclays y Microsoft Research involucró hasta 1.800 partes hipotéticas y 28.000 transacciones.
Esto representa solo un lote de transacciones entre los cientos de miles que se liquidan diariamente en una gran cámara de compensación. Resolver una versión representativa, más pequeña, del problema en el hardware real y otras de mayor tamaño en el gemelo digital demostró que podría implementarse a una escala mucho mayor con las futuras generaciones de AOC, que el equipo de investigación de Microsoft prevé crear cada dos años.
“Es un problema enorme con un impacto financiero enorme en el mundo real”, afirmó Ballani, señalando que el valor de la investigación trasciende los intereses de un solo banco. “Ya es un problema en el que los bancos necesitan colaborar, y mejores algoritmos benefician a todos”.
Shrirang Khedekar es ingeniero de software sénior del departamento de Tecnologías Avanzadas de Barclays. Trabajó con el equipo de Microsoft Research para crear el conjunto de datos y los parámetros utilizados en la investigación, y es coautor del artículo de Nature sobre el AOC. Khedekar comentó que él y el equipo de Microsoft Research de Cambridge, Reino Unido, desarrollaron una versión del problema de liquidación de transacciones. Los resultados demostraron el potencial de la tecnología, afirmó, y Barclays está interesado en seguir resolviendo problemas de optimización a medida que aumenta la capacidad de las futuras generaciones del AOC.
«Creemos que existe un gran potencial por explorar», afirmó Khedekar. «También tenemos otros problemas de optimización en el sector financiero, y creemos que la tecnología AOC podría contribuir a resolverlos».
¿Un futuro con exploraciones más cortas?
Otro campo prometedor para los ordenadores ópticos analógicos es el de las exploraciones por resonancia magnética.
Investigadores de Microsoft desarrollaron un algoritmo para el AOC que podría resolver un problema de optimización y reducir la cantidad de datos necesarios para obtener un resultado preciso. El artículo de Nature describe cómo este uso del AOC podría permitir una exploración mucho más rápida, lo que permitiría realizar más exploraciones con una sola máquina de resonancia magnética al día.
Michael Hansen es director sénior de procesamiento de señales biomédicas en Microsoft Health Futures. Trabajó con investigadores de Cambridge en el proyecto AOC y también es coautor del artículo de Nature.
“Para ser transparente, no es algo que podamos usar clínicamente ahora mismo”, dijo. “Porque es solo un pequeño problema que encontramos, pero te da esa pequeña chispa que dice: ‘¡Caramba! Si este instrumento estuviera realmente a plena escala’…”
Afirmó que el gemelo digital del AOC fue clave para demostrar la viabilidad de futuras versiones de la máquina en este caso de uso. «El gemelo digital nos permite abordar problemas más complejos que los que el instrumento puede abordar actualmente», afirmó. «Y con él podemos obtener una buena calidad de imagen».
La investigación se basa en el procesamiento de ecuaciones matemáticas, según los investigadores. Aún no se está utilizando en el ámbito clínico.
Hansen afirmó que él y el equipo de Cambridge están considerando un futuro en el que los datos de las máquinas de resonancia magnética puedan transmitirse a un centro de operaciones de Azure, y los resultados a la clínica u hospital. «Tenemos que encontrar maneras de tomar los datos sin procesar y transmitirlos a las computadoras», afirmó.
Un futuro con capacidades de IA
Desde el inicio del proyecto AOC, el equipo esperaba poder usarlo para ejecutar cargas de trabajo de IA. Al principio, no veían un camino claro hacia adelante.
Todo cambió gracias a un momento fortuito durante un almuerzo grupal en el laboratorio de Microsoft en Cambridge. Jannes Gladrow, investigador principal especializado en IA y aprendizaje automático, estaba entre el público, recordó Ballani.
«Empezó a hacer preguntas muy detalladas, y creo que terminamos hablando unas tres horas», dijo. Al escuchar sobre las cualidades únicas de la AOC, Gladrow vio posibles maneras de aprovecharlas.
Gladrow y Jiaqi Chu, del equipo de investigación del AOC, colaboraron para mapear un algoritmo al AOC que le permitiría realizar tareas sencillas de aprendizaje automático. El éxito del equipo en estas tareas se detalla en el artículo de Nature y apunta a un futuro en el que podría ejecutar grandes modelos de lenguaje.
«Creo que es importante entender que la máquina es pequeña», dijo Gladrow. «De momento, solo puede procesar una pequeña cantidad de pesos porque es un prototipo».
Pero dijo que debido a la forma en que opera el AOC, calculando un problema una y otra vez en busca de un «punto fijo», tiene el potencial de hacer un tipo de razonamiento que demanda mucha energía y que los LLM actuales que se ejecutan en GPU tienen dificultades para realizar (seguimiento de estado) a un costo de energía mucho menor.
El seguimiento de estados puede compararse con jugar al ajedrez. Es necesario conocer las reglas del juego, las jugadas y las estrategias que se realizan en el momento presente, y luego anticipar y diseñar estrategias para lograr el jaque mate. Un LLM que se ejecute en una versión futura del AOC podría, en teoría, ejecutar tareas de razonamiento complejas con una fracción de la energía.
“El aspecto más importante que ofrece el AOC es que estimamos una mejora de aproximadamente cien veces en la eficiencia energética”, dijo Gladrow. “Y eso por sí solo es inaudito en hardware”.
En opinión de Ballani, el equipo de investigación ha alcanzado un hito importante, pero en realidad es sólo el comienzo de un empinado camino hacia una computadora óptica analógica comercialmente viable.
«Hemos logrado convencernos a nosotros mismos, y con suerte a un segmento más amplio del mundo, de que, bueno, ¿saben qué? Existen aplicaciones reales para el AOC», dijo Ballani.
Nuestro objetivo, nuestra visión a largo plazo, es que esto sea una parte importante del futuro de la informática, con Microsoft y la industria continuando esta transformación de la sociedad basada en la computación de manera sostenible.
Foto superior: Detalle de la computadora óptica analógica del laboratorio de investigación de Microsoft en Cambridge, Reino Unido. Utiliza diferentes intensidades de luz que pasan a través de un sensor digital para realizar sus cálculos. Foto de Chris Welsch para Microsoft.
Microsoft Blog. Ch. W. Traducido al español
