El profesor Zeev Zalevsky, decano de la Facultad de Ingeniería de Bar-Ilan, está a la vanguardia de un desarrollo innovador en el campo de la computación fotónica. Como cofundador y CTO de CogniFiber, Zalevsky lidera el desarrollo de procesadores fotónicos que utilizan fibras ópticas para cálculos de alta velocidad.
CogniFiber, fundada en 2018, anunció recientemente la finalización de una ronda de financiación de 5 millones de dólares liderada por Chartered Group y Eastern Epic Capital. La tecnología de la compañía se basa en innovaciones desarrolladas en la Universidad de Bar-Ilan y la Universidad Hebrea y comercializada a través de BIRAD, la OTT de la Universidad de Bar-Ilan.
El profesor Zalevsky explicó que su tecnología transforma las fibras ópticas ordinarias en procesadores capaces de realizar cálculos rápidos. Una de las ventajas más significativas de esta tecnología es su consumo de energía extremadamente bajo.
La tecnología de CogniFiber tiene como objetivo habilitar capacidades de IA que actualmente son imposibles, como el desarrollo acelerado de fármacos y el transporte inteligente. La energía requerida por una computadora fotónica es mínima en comparación con los centros de datos existentes, lo que podría revolucionar la industria.
CogniFiber se distingue del campo de la fotónica de silicio, que es promovido por muchos gigantes de chips y tecnología. La compañía explicó que su desarrollo es un procesador fotónico basado en una fibra óptica especial: «Estos procesadores programables y entrenables se basan en fibras ópticas multinúcleo que procesan la información a medida que la luz pasa a través de ellas. Los datos fluyen a través de la fibra y la luz escanea todos los componentes de la red neuronal, procesando los datos a la velocidad de la luz antes de llegar a su destino».
Con esta tecnología, CogniFiber pretende reducir los superordenadores del tamaño de un campo de fútbol a un pequeño número de servidores, reducir los costes en decenas de millones de dólares, ahorrar decenas de megavatios en electricidad y ahorrar años en la construcción de sistemas que actualmente sufren una grave escasez de chips GPU y plazos de entrega muy largos.
