Muitos dos problemas de otimização mais desafiadores encontrados em várias disciplinas da ciência e engenharia, da biologia e descoberta de drogas ao roteamento e programação podem ser reduzidos a problemas NP-completos. Falando intuitivamente, Problemas NP-completos são "difíceis de resolver" porque o número de operações que devem ser realizadas para encontrar a solução aumenta exponencialmente com o tamanho do problema. A onipresença de problemas NP-completos levou ao desenvolvimento de hardware dedicado (como máquinas de recozimento óptico e quântico como "D-Wave") e algoritmos especiais (algoritmos heurísticos como recozimento simulado).

Recentemente, tem havido um interesse crescente em resolver esses difíceis problemas combinatórios projetando máquinas ópticas. Essas máquinas ópticas consistem em um conjunto de transformações ópticas transmitidas a um sinal óptico, de modo que o sinal óptico codificará a solução para o problema após algum cálculo. Essas máquinas poderiam se beneficiar das vantagens fundamentais do hardware óptico integrado à fotônica de silício, como baixa perda, processamento paralelo, passividade óptica em baixas potências ópticas e escalabilidade robusta possibilitada pelo desenvolvimento de processos de fabricação pela indústria. Contudo, o desenvolvimento de hardware fotônico compacto e rápido com algoritmos dedicados que utilizam de forma otimizada a capacidade deste hardware, tem faltado.

Hoje, o caminho para resolver problemas NP-completos com fotônica integrada está aberto devido ao trabalho de Charles Roques-Carmes, Dr. Yichen Shen, Cristian Zanoci, Mihika Prabhu, Fadi Atieh, Dr. Li Jing, Dra. Tena Dubček, Chenkai Mao, Miles Johnson, Prof. Vladimir Čeperić, Prof. Dirk Englund, Prof. John Joannopoulos, e Prof. Marin Soljačić do MIT e do Institute for Soldier Nanotechnologies, publicado em Nature Communications . Nesse trabalho, a equipe do MIT desenvolveu um algoritmo dedicado a resolver o conhecido problema de Ising NP-completo com hardware fotônico.

Originalmente proposto para modelar sistemas magnéticos, o modelo de Ising descreve uma rede de spins que pode apontar apenas para cima ou para baixo. A energia de cada spin depende de sua interação com os spins vizinhos - em um ferromagneto, por exemplo, a interação positiva entre os vizinhos mais próximos incentivará cada giro para se alinhar com seus vizinhos mais próximos. Uma máquina de Ising tenderá a encontrar a configuração de spin que minimiza a energia total da rede de spin. Essa solução pode então ser traduzida na solução de outro problema de otimização.

Máquinas de Ising heurísticas, como o desenvolvido pela equipe do MIT, só produz uma solução candidata para o problema (que é, na média, perto da solução ótima). Contudo, algoritmos que sempre encontram a solução exata para o problema são difíceis de aplicar a grandes tamanhos de problema, já que muitas vezes eles teriam que correr por horas, se não dias, terminar. Portanto, algoritmos heurísticos são uma alternativa aos algoritmos exatos, uma vez que fornecem soluções rápidas e baratas para problemas difíceis.

Os pesquisadores foram guiados por seus conhecimentos de fotônica fundamental. O professor Marin Soljačić do MIT explica:"A computação óptica é um campo de pesquisa muito antigo. Portanto, tivemos que identificar quais avanços recentes no hardware fotônico poderiam fazer a diferença. Em outras palavras, tivemos que identificar a proposição de valor da fotônica moderna. ”O aluno de graduação Charles Roques-Carmes acrescenta:“ Identificamos essa proposição de valor como sendo:(a) realizar multiplicação de matriz fixa rápida e barata e; (b) realizar computação ruidosa, o que significa que o resultado do cálculo varia ligeiramente de uma corrida para a outra, um pouco como jogar uma moeda. Portanto, esses dois elementos são os blocos de construção do nosso trabalho. "

Ao desenvolver este algoritmo e compará-lo em vários problemas, os pesquisadores descobriram uma variedade de algoritmos relacionados que também poderiam ser implementados em fotônica para encontrar soluções ainda mais rápidas. O associado de pós-doutorado, Dr. Yichen Shen, está entusiasmado com a perspectiva deste trabalho:"O campo de aprimoramento da capacidade de computação com fotônica integrada está crescendo atualmente, e acreditamos que esse trabalho pode fazer parte disso. Uma vez que o algoritmo que desenvolvemos otimiza os pontos fortes e fracos do hardware fotônico, esperamos que possa encontrar alguma aplicação de curto prazo. "A equipe de pesquisa do MIT está atualmente trabalhando em colaboração com outros para realizar experimentos de prova de conceito e avaliar seu algoritmo em hardware fotônico, versus outras máquinas fotônicas e algoritmos convencionais executados em computadores.