Photonisches Rechnen Erster kommerzieller Photonik-Prozessor für energieeffizientes High-Performance-Computing

Anbieter zum Thema

Q.ANT GmbH

Bürklin GmbH & Co. KG

MicroConsult Academy GmbH

Cadlog Group

Mit der neuen Native Processing Unit (NPU) von Q.ANT profitieren Elektronikentwickler von einer bis zu 30-fach höheren Energieeffizienz. Ob KI-Inferenz, maschinelles Lernen oder physikalische Simulationen – Licht statt Elektronen ermöglicht nachhaltigere und leistungsfähigere Anwendungen.

In einer Zeit, in der der Energiebedarf von Rechenzentren und KI-Systemen exponentiell steigt, rückt die Entwicklung nachhaltiger Technologien in den Fokus der Elektronik- und Softwareindustrie. Klassische CMOS-Technologien stoßen dabei zunehmend an ihre Grenzen, insbesondere wenn es um energieintensive Anwendungen wie maschinelles Lernen oder komplexe physikalische Simulationen geht. Hier ist die Photonik eine Schlüsseltechnologie und verspricht eine grundlegende Veränderung der Rechentechnik.

Mit seinem ersten kommerziellen Photonik-Prozessor bringt Q.ANT nicht nur eine bessere Energieeffizienz heraus, sondern erhöht mit der ersten Native Processing Unit (NPU) einen erheblichen Leistungsschub. Vor allem mit Blick auf die Rechenzentren. Die Technik ist für anspruchsvolle Anwendungen wie KI-Inferenz, maschinelles Lernen oder Physiksimulationen entwickelt.

Die photonische Architektur der NPU basiert auf der firmeneigenen LENA-Plattform (Light Empowered Native Arithmetics) und setzt auf das Material Thin-Film Lithium Niobate (TFLN) auf. Anders als herkömmliche Prozessoren führt die NPU Berechnungen mit Licht aus. Diese Technologie ermöglicht eine drastische Reduktion des Energieverbrauchs – bis zu 30-mal energieeffizienter als CMOS-Technologien – und bietet zugleich eine signifikante Leistungssteigerung.

Photonisches Rechnen senkt den Energieverbrauch

„Mit unserer photonischen Chiptechnologie, die jetzt über die Standard-PCIe-Schnittstelle verfügbar ist, bringen wir die unglaubliche Leistungsfähigkeit der Photonik direkt in reale Anwendungen. Wir machen damit ein deutliches Statement: Leistung und Nachhaltigkeit können Hand in Hand gehen“, sagt Dr. Michael Förtsch, CEO von Q.ANT.

„Zum ersten Mal können Entwickler KI-Anwendungen erstellen und die Möglichkeiten des photonischen Rechnens erkunden, insbesondere für komplexe, nichtlineare Berechnungen. Experten haben beispielsweise errechnet, dass eine GPT-4-Anfrage heute zehnmal mehr Strom verbraucht als eine normale Internet-Suchanfrage. Unsere photonischen Chips bieten das Potenzial, den Energieverbrauch für diese Abfrage um das 30-fache zu senken.“

Beispiel: Eine Fourier-Transformation, die Millionen von Transistoren benötigt, wird bei Q.ANT mit einem einzigen optischen Element durchgeführt. Das spart nicht nur Platz auf dem Chip, sondern senkt auch den Stromverbrauch erheblich. Für Elektronikentwickler bedeutet das mehr Spielraum bei der Systemarchitektur, ohne Kompromisse bei der Rechenleistung eingehen zu müssen.

Effizienz und Nachhaltigkeit im Fokus

Gerade im Zeitalter immer komplexerer KI-Anwendungen bietet die Q.ANT NPU entscheidende Vorteile.

• Die Q.ANT NPU kann die Berechnungsanforderungen für Machine-Learning, Computer-Vision oder für das Training und die Inferenz großer Sprachmodelle (LLM) reduzieren.

• Testläufe mit dem NPU-Demosystem in der Cloud mit MNIST-Datensätzen ergaben, dass der Native-Computing-Ansatz von Q.ANT eine mit linearen Netzen vergleichbare Genauigkeit bei weniger Energieverbrauch erreicht.

• Auch konnte in Simulationen von Kolmogorov-Arnold-Networks (KAN) Simulationen gezeigt werden, dass 43 Prozent weniger Parameter benötigt und die Anzahl der Operationen um 46 Prozent reduziert werden kann, was ihn als effizientere Wahl für KI-Inferenz etabliert.

Weitere Tests und Simulationen zur Bilderkennung zeigen, dass die Q.ANT NPU deutlich schneller trainieren kann und eine genaue Erkennung mit nur 0,1 Mio. Parametern und 0,2 Mio. Operationen erreicht. Ein herkömmlicher Ansatz hat selbst bei 5,1 Mio. Parametern und 10 Mio. Operationen Mühe, akzeptable Ergebnisse zu erzielen.

Außerdem ermöglicht sie schnellere Lösungen für partielle Differentialgleichungen in Physiksimulationen, vereinfacht die Zeitreihenanalyse und verbessert die Effizienz bei der Lösung von Problemen der Graphentheorie. Im Gegensatz zur Standard-CMOS-Technologie verarbeitet die Q.ANT NPU Daten über Licht und ermöglicht so energieeffizientere mathematische Operationen. Während ein herkömmlicher CMOS-Multiplikator 1.200 Transistoren benötigt, um eine einfache 8-Bit-Multiplikation durchzuführen, erreicht die Q.ANT NPU das mit einem einzigen optischen Element. (heh)

Photonische Komponenten

Ansys, TSMC und Microsoft verzehnfachen Simulation

Silizium-Photonik

Erstes voll integriertes optisches Chip-Set mit 4 TBit/s

(ID:50242367)