Photonic Computing Photonik-Prozessor von Q.ANT bewährt sich am Leibniz-Rechenzentrum

m November kündigte Q.ANT die zweite Generation seiner NPU an, die das Energieproblem der energiehungrigen KI lösen soll. Jetzt sind die Systeme im Leibniz-Rechenzentrum (LRZ) im realen HPC-Betrieb angekommen. Erste Benchmarks zeigen, was das Rechnen mit Licht in der Praxis bringt.

Im vergangenen November brachte Q.ANT die zweite Generation seines photonischen Beschleunigers auf den Markt. Das Versprechen des Stuttgarter Unternehmens war ambitioniert: Durch die Nutzung von Licht statt Elektronen auf einem Dünnschicht-Lithiumniobat-Chip (TFLN) sollte der Energieverbrauch für KI-Workloads im Vergleich zu herkömmlichen CMOS-Prozessoren drastisch sinken. Als Auslieferungstermin für die PCIe-basierten 19-Zoll-Server (NPS) nannte der Hersteller das erste Halbjahr 2026.

Photonik im produktiven HPC-Betrieb

Diesen Zeitplan hat Q.ANT offenbar eingehalten. Wie das Leibniz-Rechenzentrum (LRZ) jetzt mitteilt, wurden die photonischen Prozessoren der zweiten Generation (NPU 2.0) erfolgreich in die dortige Hochleistungsrechnerumgebung (HPC) integriert. Damit verlässt die Technologie endgültig das Stadium des Proof of Concept. Die Prozessoren arbeiten nun über Standard-PCIe-Schnittstellen direkt neben herkömmlichen CPUs und GPUs in einer der führenden HPC-Einrichtungen Europas. „Unsere Bewertung erfolgt unter realen Produktionslasten und betrieblichen Anforderungen“, bestätigt Prof. Dr. Dieter Kranzlmüller, Vorsitzender des Verwaltungsrats des LRZ. Das Ziel sei es herauszufinden, wie gut der Ansatz die akuten Leistungs- und Energieprobleme moderner Supercomputer lösen kann.

Die ersten Benchmarks

In unserer Berichterstattung vom November sprach Q.ANT von einer bis zu 50-mal höheren Performance und einem drastisch reduzierten Energiebedarf. Die aktuellen Benchmark-Tests am LRZ, die die NPU 2.0 unter realen Arbeitsbedingungen (und im Vergleich zur Vorläufergeneration) evaluieren, untermauern diese Dimensionen nun mit konkreten Messwerten:

• Matrixmultiplikation: Bei diesen für KI-Berechnungen essenziellen Operationen konnte eine mehr als 50-fach höhere Rechenleistung gemessen werden.

• Computer Vision: Wie im November bereits für die NPU 2.0 angekündigt, glänzt das System bei der Bildverarbeitung. Die Inferenz auf einem ResNet-18 (einem Convolutional Neural Network zur Bilderkennung) läuft 25-mal schneller ab.

• Energieverbrauch: Bei typischen HPC-Workloads sank der Energiebedarf um den Faktor 6.

• Optimierte KI-Modelle: Durch verbesserte analoge Komponenten für nichtlineare Funktionen lassen sich Parameteranzahl und Trainingstiefe der neuronalen Netze reduzieren, ohne die für modernste KI-Anwendungen nötige Genauigkeit zu verlieren.

Strom nicht mehr nur in Hitze verwandeln

„Wenn wir weiterhin mit Brute-Force-Transistorlogik skalieren, wandeln wir beim KI-Rechnen Strom vor allem in Hitze um“, fasst Q.ANT-CEO Dr. Michael Förtsch das fundamentale Problem zusammen, das durch den rein optischen Ansatz umgangen wird. Da auf dem TFLN-Chip keine Transistoren schalten, entsteht direkt auf dem Chip keine Abwärme, was den Kühlbedarf der Server massiv entlastet.

Das LRZ wird die photonische Datenverarbeitung nun weiter für industrielle, rechenintensive Bereiche evaluieren. Besonders im Fokus stehen Anwendungen, bei denen nichtlineare Komplexität gefragt ist. Beispiele dafür sind etwa in der Arzneimittelforschung, im Materialdesign oder bei dynamischen Optimierungen. (heh)

Rechnen mit Licht

Photonischer Prozessor NPU 2.0 soll Energieproblem lösen

Photonisches Computing

Wie überlegen ist das Rechnen mit Licht?

(ID:50825039)