Rechnen mit Licht: Optische Chips könnten KI-Anwendungen leistungsfähiger machen

Start-ups entwickeln Spezialchips für maschinelles Lernen, die mit Licht rechnen und die altgediente Siliziumelektronik so überflügeln könnten.

In Pocket speichern vorlesen Druckansicht 17 Kommentare lesen

(Bild: Max Planck Institut für Quantenoptik)

Lesezeit: 4 Min.
Von
  • Thomas Brandstetter

Eigentlich ist die Idee bestechend: Könnte man Computer mit Licht statt mit Elektronen betreiben, wären sie deutlich schneller und würden drastisch weniger Energie verbrauchen. Schon in den 1960er Jahren arbeiteten Forschungsgruppen deshalb an den entsprechenden Konzepten.

Doch eine etablierte Technologie vom Sockel zu stoßen, heißt ein bewegliches Ziel ins Visier zu nehmen. Und lange Jahre war die Entwicklung neuer Computerprozessoren ein Ziel, das sich sehr schnell bewegte. Eine neue Generation photonischer Startups setzt nun aber vor allem auf die Beschleunigung von Rechenoperationen für maschinelles Rechnen mit Hilfe optischer Bauelemente, berichtet Technology Review in seiner aktuellen Ausgabe 5/21 (am gut sortierten Kiosk oder online bestellbar). Ihre Chips stehen kurz vor der Marktreife.

Optische Rechner haben gegenüber mikroelektronischen Computern einen riesigen Vorteil: Licht verschiedener Wellenlänge beeinflusst sich nicht gegenseitig. So wie verschiedenfarbige Lichtpulse Daten parallel in ein und derselben Glasfaser übertragen, können also auch optische Schaltungen mehrere Berechnungen gleichzeitig ausführen.

„Genau da kann Photonik ihre Stärken voll ausspielen“, sagt Cornelia Denz, die am Institut für Angewandte Physik der Universität Münster die Arbeitsgruppe für Nichtlineare Photonik leitet. Denn die neuste Generation optischer Chips ist anders als ihre Vorgänger nun auch hoch integriert. sagt sie. Integration bedeutet in diesem Fall nicht nur kleinere Bauteile, sondern vor allem auch Stabilität und damit Unempfindlichkeit gegenüber Stößen und Vibrationen, die gerade bei optischen Systemen große Probleme verursachen können. „Dieser hohe Grad von Integration legt nahe, dass es bald auch kommerzielle Produkte zum optischen Rechnen geben wird“, sagt Denz.

Tatsächlich hat das in Frankreich ansässige Unternehmen LightOn erst kürzlich den nach eigenen Angaben ersten photonischen Co-Prozessor für Künstliche Intelligenz auf den Markt gebracht. Allerdings hält man sich dort, was Details zur Technologie und den ersten Kunden angeht, ziemlich bedeckt. Zwar hat LightOn auch wissenschaftliche Aufsätze veröffentlicht, die beschäftigen sich aber nur sehr abstrakt mit der zugrunde liegenden Technologie: Mithilfe statistisch zufälliger Mehrfachstreuung will LightOn eine Methode gefunden haben, die die Komplexität von Input-Daten drastisch verkleinert, ohne dass wesentliche Informationen verloren gehen. Das soll nachgeschalteten KI-Chips helfen, die Daten „bis zu zehnfach“ schneller zu verarbeiten.

TR 5/2021

Lightelligence, ein Start-up mit Sitz in Boston, hat zwar noch kein Produkt am Markt, gibt aber dafür mehr Einblicke in die Technologie: Der photonische Chip von Lightelligence geht auf eine 2017 publizierte Arbeit zurück, in der Forscher des Massachusetts Institute of Technology (MIT) eine Reihe sogenannter Mach-Zehnder-Interferometer auf einem Chip integriert und zu einem neuronalen Netzwerk zusammengefügt haben. Zwar hat Lightelligence bereits 2019 den ersten Prototypen eines photonischen Prozessors vorgestellt, der Tausendmal schneller war als die 2017 in Nature vorgestellte Studie. Wann ein erstes kommerzielles Produkt auf den Markt kommen wird, ist jedoch noch immer unklar. Immerhin, sagt Lightelligence-CEO Yinshen Shen, sei man zuversichtlich noch in diesem Jahr „80 bis 90 Prozent“ der technischen Probleme gelöst zu haben.

Das ebenfalls in Boston befindliche Start-up Lightmatter scheint in diesem Fall die Nase vorn zu haben. Das Start-up, das aus einer Arbeitsgruppe am MIT hervorgegangen ist, hat erst kürzlich einen optischen KI-Beschleunigerchip namens „Envise“ vorgestellt und ist jetzt auf der Suche nach ersten Testkunden. Nach ersten Benchmark-Ergebnissen, die Lightmatter vorgestellt hat, schlägt sich ein Envise-Blade mit 16 photonischen Prozessoren im Vergleich mit einem aktuellen KI-Beschleuniger von Nvidia sehr respektabel: In verschiedenen KI-Anwendungen waren die photonischen Chips rund fünfmal schneller während sie gleichzeitig rund fünfmal weniger Energie verbrauchten. (wst)