Um supercérebro digital que já nasce sabendo as leis fundamentais da natureza reduziu em 90% o tempo necessário para projetar componentes ópticos avançados, revela estudo da Chalmers University of Technology, na Suécia. A rede neural, alimentada previamente com os princípios do eletromagnetismo, passou a exigir apenas um décimo dos dados antes indispensáveis para simular e otimizar materiais nanofotônicos.
Segundo o portal Phys.org, o avanço foi publicado na revista Laser & Photonics Reviews e tem potencial para acelerar o desenvolvimento de lentes mais finas para câmeras e óculos, além de impulsionar a comunicação entre computadores quânticos. Philippe Tassin, professor do Departamento de Física e Astronomia da Chalmers, explicou que o desempenho da rede disparou depois que ela recebeu noções básicas das leis da física.
Quando fornecemos ao supercérebro informações sobre as leis da física, ele ficou imediatamente muito mais inteligente, afirmou Tassin, destacando que os cálculos agora consomem um décimo do tempo que antes levavam. O grupo liderado por Tassin investiga cristais fotônicos artificiais que podem manipular a luz em escalas menores que um comprimento de onda, contornando as limitações dos materiais ópticos naturais.
No campo da computação quântica, a equipe trabalha em conjunto com o Departamento de Microtecnologia e Nanociência da Chalmers, onde está sendo construído o primeiro computador quântico de maior porte da Suécia. A ideia é projetar materiais nanoestruturados capazes de controlar o tráfego da luz e transmitir informações entre processadores quânticos usando frequências ópticas e cristais fotônicos mecanicamente complacentes.
Todo o trabalho é realizado por simulações em supercomputadores, nas quais o aprendizado de máquina e as redes neurais atuam como ferramenta central para extrair conclusões sobre as propriedades dos materiais. Tassin reconheceu que, apesar de dominar as equações do eletromagnetismo, ele não consegue deduzir sozinho as propriedades de um material apenas observando sua estrutura, algo que a rede neural realiza com extrema velocidade.
O desafio histórico era o tempo de alimentação de dados: gerar um único ponto podia levar de dez minutos a uma hora, e os pesquisadores frequentemente precisavam de até 40 mil simulações. Viktor Lilja, doutorando do mesmo departamento, contou que o processo completo de treinamento da rede costumava consumir um mês inteiro, e qualquer ajuste posterior custava mais um mês adicional.
Agora, com a injeção de conhecimento físico prévio, o que exigia trinta dias passou a ser feito em apenas três. O segredo está em ensinar a rede a respeitar as leis do eletromagnetismo desde o início, em vez de forçá-la a redescobri-las a cada ciclo de treinamento. A ideia surgiu quando os cientistas tentavam tornar as previsões da rede mais interpretáveis para humanos, baseando-as em equações conhecidas.
Para surpresa da equipe, a abordagem não apenas aumentou a transparência como também tornou o modelo automaticamente mais eficiente e menos dependente de grandes volumes de dados. Lilja ressaltou que, uma vez treinada, a rede consegue examinar qualquer estrutura e devolver suas propriedades ópticas em apenas um milissegundo, com estimativas mais precisas e menor risco de erros grosseiros.
Para Tassin, a principal vantagem está na economia de tempo: a capacidade de trabalhar muito mais rápido permitirá acelerar o ciclo de desenvolvimento de componentes ópticos de forma expressiva. A pesquisa, financiada na Suécia, insere-se em um cenário global de competição tecnológica em que dispositivos fotônicos cada vez mais sofisticados são vitais para as telecomunicações e para a indústria de semicondutores.