O PyTorch agora compila diretamente para instruções de hardware fotônico. Em vez de executar operações de matriz em silício, você está gerando sinais de controle para sistemas de computação óptica — manipulando padrões de interferência da luz para operações de tensores. O compilador traduz módulos padrão de torch.nn em configurações de circuitos fotônicos, tratando o mapeamento entre pesos digitais e moduladores ópticos analógicos. Isso faz a ponte entre treinar em software e inferir em aceleradores fotônicos, que teoricamente atingem um consumo de energia bem menor para álgebra linear em larga escala. Desafio principal: ruído de quantização e deriva térmica em componentes ópticos, mas se conseguirem acertar a correção de erros, isso poderia realmente tornar o ML fotônico prático além de demos de laboratório.