PyTorch ahora compila directamente a instrucciones de hardware fotónico. En lugar de ejecutar operaciones matriciales en silicio, estás generando señales de control para sistemas de computación óptica: manipulando patrones de interferencia de la luz para realizar operaciones de tensores. El compilador traduce módulos estándar de torch.nn en configuraciones de circuitos fotónicos, gestionando el mapeo entre pesos digitales y moduladores ópticos analógicos. Esto salva la brecha entre entrenar en software e inferencia en aceleradores fotónicos, que en teoría logran un consumo de energía mucho menor para álgebra lineal a gran escala. Desafío clave: el ruido de cuantización y la deriva térmica en componentes ópticos, pero si aciertan con la corrección de errores, esto podría hacer que el ML fotónico sea realmente práctico más allá de las demostraciones de laboratorio.