Neuer ultrakompakter lichtbasierter Chip verarbeitet Daten in Lichtgeschwindigkeit und mit hoher Präzision

Da KI-Modelle immer komplexer werden, stößt herkömmliche elektronische Hardware bei Rechengeschwindigkeit und Energiebedarf an ihre Grenzen. Konventionelle Computerchips verarbeiten Informationen, indem sie elektrisch geladene Teilchen bewegen – ein Prozess, der naturgemäß erhebliche Hitze erzeugt und enorme Mengen an Strom verbraucht.

Um diesen Engpass zu überwinden, haben Forscher der University of Sydney einen ultrakompakten photonischen Chip entwickelt, der mathematische Berechnungen mithilfe von Licht durchführt. Die Forscher konstruierten diesen Prozessor mithilfe fortschrittlicher Computersimulationen, die präzise kartieren, wie Lichtwellen in dreidimensionalen Räumen interagieren. Diese Designmethode ermöglicht es ihnen, winzige physische Bausteine – jeder kleiner als eine Lichtwellenlänge – als anpassbare Datenpunkte zu nutzen.

Dieser spezifische Ansatz erzielt eine erstaunliche Rechendichte von etwa 400 Millionen Parametern pro Quadratmillimeter. Die daraus resultierenden Nanostrukturen sind mit einer Breite von nur wenigen Zehn-Mikrometern unglaublich klein, was in etwa der Dicke eines menschlichen Haares entspricht. Während Licht diese komplexen Nanostrukturen passiert, führt die physische Geometrie des Chips automatisch die für das maschinelle Lernen erforderlichen mathematischen Operationen aus.

Da das gesamte System auf der Bewegung von Photonen basiert, werden Berechnungen in Billionstelsekunden abgeschlossen. Um den Prototyp zu validieren, beauftragte das Forschungsteam das photonische neuronale Netzwerk mit der Klassifizierung von über 10.000 biomedizinischen Bildern, darunter Brust-, Thorax- und Abdomenscans.

Das System erreichte in physikalischen Experimenten eine Klassifizierungsgenauigkeit von etwa 90 % und in Simulationen bis zu 99 %. Durch die Einbettung von KI-Fähigkeiten direkt in nanoskalige Strukturen haben die Forscher eine hochskalierbare, energieeffiziente Plattform geschaffen, die den massiven ökologischen Fußabdruck zukünftiger IT-Infrastrukturen drastisch reduzieren könnte.