Cornell Tech desarrolla receptor óptico para alimentar chips de IA con menos energía
Hecho Qué ha ocurrido
Investigadores de Cornell Tech han presentado un nuevo diseño de receptor óptico que permite a los chips de IA modificar su memoria directamente mediante haces de luz, eliminando circuitos analógicos complejos. El sistema utiliza matrices de luz similares a códigos QR para transferir parámetros de modelos de IA entre la DRAM y el procesador con menor consumo energético. La tecnología fue presentada en el IEEE/JSAP Symposium on VLSI Technology & Circuits en Honolulu en julio de 2026, y sus creadores la exploran para aplicaciones en robótica de borde y data centers.
Resumen generado mediante IA a partir de IEEE Spectrum AI (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
El cuello de botella entre memoria y procesador en chips de IA es un problema crítico que limita la eficiencia de sistemas en data centers, vehículos autónomos y robots. Reducir la energía requerida para estas transferencias de datos impacta directamente en costes operacionales y viabilidad de despliegues de IA en el borde.
- Quién se ve afectado
- Fabricantes de chips de IA, centros de datos, empresas de robótica autónoma, y desarrolladores de aplicaciones de IA en dispositivos de borde con restricciones energéticas.
- Qué puede cambiar
- Si se perfecciona y miniaturiza la tecnología, podría cambiar la arquitectura de memoria en chips de IA, permitiendo modelos más grandes en dispositivos edge con menor consumo eléctrico, especialmente relevante en robots industriales y sistemas autónomos con limitaciones de potencia.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar el progreso en la construcción de transmisores ópticos capaces de cambiar la matriz de luz millones de veces por segundo (transferencia de gigabits/segundo), la reducción del tamaño de las celdas fotosensibles para aumentar densidad de memoria, y las colaboraciones de Cornell Tech con laboratorios de óptica para llevar la tecnología a madurez comercial.
Enviar esta noticia por correo
Fuente original: IEEE Spectrum AI. La referencia es siempre el artículo original.
Ver fuente original ↗comunicación ópticamemoria fotónicaSRAMchips de IA Cornell Tech Cornell Techedge AIeficiencia energéticamemoria ópticarobótica
Tu opinión
0 comentarios
Relacionadas
Matemático acusa a OpenAI de falta de transparencia sobre resolución de un Problema del Milenio
El matemático Tristan Buckmaster denunció presiones y falta de transparencia por parte de OpenAI, después de que la compañía anunciara que sus modelos habían…
Por qué importaEl caso plantea dudas sobre atribución de méritos científicos, uso de datos de investigadores y comunicación corporativa de resultados de IA en…
DeepMind lanza AlphaGenome Atlas con predicciones de 9.000 millones de variantes del genoma humano
Google DeepMind ha publicado el AlphaGenome Atlas, un conjunto de datos de un petabyte que predice el efecto molecular de cada una de las aproximadamente nueve…
Por qué importaEsta base de datos podría acelerar drásticamente el diagnóstico de enfermedades raras y la investigación genética al reducir el tiempo necesario para…
Debate sobre el papel de la IA de OpenAI en la solución del problema de Navier-Stokes
OpenAI afirmó que su IA ayudó a resolver aspectos del problema matemático de Navier-Stokes, uno de los enigmas abiertos de la matemática desde hace casi 200…
Por qué importaEl caso ilustra la disputa creciente sobre atribución y verificación de resultados científicos cuando intervienen sistemas de IA, algo relevante para…
OpenAI afirma resolver parte del problema del milenio Navier-Stokes con IA, pero surge disputa de prioridad
OpenAI anunció el 8 de septiembre que un modelo interno más capaz que GPT-6 Astra produjo una prueba formal en Lean que resuelve dos de los cuatro enunciados…
Por qué importaEs el avance más significativo hasta ahora de IA en matemáticas de investigación de frontera, con verificación formal objetiva vía Lean, pero también…