Crédito: Mixvale.com.br
Cientistas alcançaram um marco revolucionário na engenharia de microchips, desenvolvendo três componentes essenciais para chips fotônicos com tamanhos até 500 vezes menores do que os designs convencionais. Essa extraordinária miniaturização foi viabilizada por um algoritmo de inteligência artificial (IA) que gerou projetos descritos pelos próprios pesquisadores como estando “além da intuição humana”, prometendo um futuro de dispositivos eletrônicos com capacidades sem precedentes.
Diferente dos microchips tradicionais, que operam com elétrons para processar e transmitir informações, os chips fotônicos empregam partículas de luz, os fótons. Essa característica inerente confere-lhes uma vantagem notável em velocidade, permitindo a transmissão de dados à velocidade da luz, além de oferecerem uma largura de banda muito superior, com diferentes comprimentos de onda capazes de carregar fluxos de dados distintos, e uma perda energética significativamente menor na forma de calor.
Consequentemente, a aplicação desses dispositivos é crucial em cenários que demandam altíssima velocidade e grande capacidade de transmissão de dados. Isso abrange desde as comunicações por fibra óptica e os grandes centros de dados até os complexos sistemas de inteligência artificial, as tecnologias de detecção a laser (lidar) para veículos autônomos e o emergente campo da computação quântica.
No interior de um chip fotônico, a luz é guiada por canais microscópicos, com largura de micrômetros, conhecidos como guias de onda, em vez de fios metálicos. Tais chips também integram divisores de comprimento de onda, classificadores de modo espacial e espelhos, todos indispensáveis para separar e direcionar os diversos comprimentos de onda e padrões luminosos em uma área diminuta, uma fração da espessura de um fio de cabelo humano.
No estudo recente, detalhado na prestigiada revista Nature Communications, a equipe científica empregou os designs inovadores gerados por IA para fabricar esses três componentes em uma escala ultracompacta, validando a eficácia da abordagem.
O espaço adicional liberado por essa miniaturização abre um vasto leque de possibilidades, permitindo que engenheiros “desbloqueiem novas funcionalidades” e incorporem um número maior de componentes nos chips, conforme apontado pelos pesquisadores. De forma notável, a pesquisa valida que a inteligência artificial tem a capacidade de produzir designs de chips não apenas inovadores, mas também plenamente viáveis para a fabricação em massa.
O processo de desenvolvimento teve início com os pesquisadores fornecendo ao algoritmo as especificações exatas do comportamento desejado para os componentes em relação à luz. Além disso, foram impostas restrições de fabricação rigorosas, como limites para a curvatura das nanoestruturas, garantindo a praticidade dos designs.
Em seguida, o algoritmo de inteligência artificial adotou um método de design reverso, testando e refinando incessantemente diferentes configurações. Esse processo iterativo permitiu que a IA descobrisse as delicadas nanoestruturas capazes de atingir o resultado óptico desejado com precisão.
Toby Bi, primeiro autor do estudo e pesquisador do Max Planck Institute for the Science of Light, comentou sobre a metodologia: “O design inverso nos permite definir o que queremos que a luz faça, e a otimização encontra uma estrutura que o faz, muitas vezes uma que nenhum ser humano teria desenhado.” Ele ainda acrescentou, explicando a versatilidade: “O que é emocionante é que a mesma estrutura pode fazer três trabalhos bem diferentes no mesmo chip: rotear a luz por comprimento de onda, classificá-la por modo espacial e atuar como espelhos compactos que formam cavidades ópticas no chip.”
Tradicionalmente, os componentes para chips fotônicos são elaborados manualmente por engenheiros. Esse método envolve a partida de um design já existente e sua otimização meticulosa para novos parâmetros de desempenho. Contudo, essa abordagem é inerentemente lenta e limita consideravelmente a variedade de geometrias de dispositivos que podem ser exploradas.
Para aprimorar ainda mais o desempenho dos componentes, a equipe de pesquisa decidiu fabricá-los utilizando nitreto de silício, um material relativamente mais espesso. Com uma espessura variando entre 400 e 800 nanômetros, em contraste com os 150 a 400 nanômetros do silício padrão, o material mais robusto minimiza a perda de luz e proporciona um confinamento de comprimento de onda mais intenso, resultando em maior eficiência.
Os espelhos desenvolvidos, com aproximadamente 11 micrômetros de comprimento, demonstraram uma capacidade de refletir até 98,5% da luz incidente, ao mesmo tempo em que bloqueavam padrões de luz indesejados. Quando dispostos em pares em cada lado de um guia de onda, a luz ricocheteou entre eles mais de 100 vezes antes de escapar, o que comprovou as baixas perdas do nitreto de silício, conforme os cientistas explicaram. O divisor de comprimento de onda possui aproximadamente o tamanho de uma única bactéria, cerca de 5 micrômetros, e o classificador de modo espacial é apenas um pouco maior.
Embora os pesquisadores tenham demonstrado individualmente o funcionamento exemplar desses componentes ultracompactos, o desafio seguinte reside em combiná-los em um circuito óptico integrado completo. O próximo passo crucial será, portanto, alcançar essa integração para construir chips fotônicos totalmente funcionais, capazes de aproveitar a densidade aumentada de componentes possibilitada por esses designs inovadores.
No estudo, os pesquisadores concluíram que “esses resultados demonstram a viabilidade de componentes fotônicos compactos, robustos a erros de fabricação e personalizados, e abrem caminho para uma integração escalável e de alto desempenho em sistemas fotônicos baseados em nitreto de silício”.
Nos últimos anos, engenheiros e cientistas têm explorado ativamente a integração da inteligência artificial no processo de design e fabricação de semicondutores. Essa sinergia tem gerado resultados impressionantes, com abordagens impulsionadas por IA reduzindo drasticamente os ciclos de design, de semanas para poucas horas, o que se traduz em uma diminuição significativa dos custos de produção.
A capacidade da IA nesse campo é tão avançada que alguns sistemas são capazes de gerar designs de chips eficazes a partir de um comando de apenas 200 palavras. Um exemplo notório é o AlphaChip do Google, um método de aprendizado de máquina que projeta layouts de chips e já produziu plantas “sobre-humanas” que foram efetivamente implementadas nos chips de IA de produção da gigante tecnológica, sublinhando o potencial transformador da inteligência artificial na indústria de semicondutores.
