Australische Forscher haben einen Prototyp eines ultrakompakten künstlichen Intelligenz-Chips entwickelt, der mit Lichtgeschwindigkeit rechnen kann, indem er Lichtenergie nutzt. Der nanophotonische Chip, der am Sydney Nanoscience Hub der Universität Sydney entwickelt wurde, verarbeitet Informationen mithilfe von Lichtteilchen. Angesichts des weltweit steigenden Bedarfs an künstlicher Intelligenz könnte dieser Prototyp eine wichtige Rolle bei der Entwicklung energieeffizienterer KI-Hardware spielen und den Gesamtenergieverbrauch zukünftiger Rechensysteme potenziell senken.
Herkömmliche Computerchips nutzen Elektrizität zur Informationsverarbeitung, was die Bewegung von Elektronen und die Erzeugung von Wärme in Leitungen erfordert. Der nanophotonische Chip-Prototyp hingegen nutzt Licht zur Übertragung. Licht kann sich durch Materialien ohne elektrischen Widerstand ausbreiten und erzeugt dabei keine Wärme wie Elektrizität. Wenn Licht durch die Nanostrukturen im Inneren des Chip-Prototyps tritt, führen diese Strukturen selbsttätig Berechnungen durch. Die Nanostrukturen auf dem Chip nehmen Dutzende von Mikrometern ein – etwa die Breite eines menschlichen Haares – und bilden gemeinsam ein neuronales Netzwerk, das dem menschlichen Gehirn nachempfunden ist und Informationen erkennen sowie Berechnungen durchführen kann. Der Prototyp rechnet auf Pikosekunden-Basis, also in der Zeit, die Licht benötigt, um die Nanostrukturen zu durchqueren.
Die Forscher erklären, dass der Vorteil der Photonik in ihrer extrem hohen Rechengeschwindigkeit liege, die Lichtgeschwindigkeit erreichen kann und Licht statt Elektrizität für den Betrieb nutzt. Im Vergleich dazu verbrauchen heutige Rechenzentren enorme Mengen an Wasser und Energie. Professor Yi Xiaoke, Leiter der Photonik-Forschungsgruppe an der School of Electrical and Computer Engineering, sagte: „Wir haben neu konzipiert, wie Photonik genutzt werden kann, um neuartige, energieeffiziente und ultraschnelle Computerprozessorchips zu entwerfen. Künstliche Intelligenz wird zunehmend durch ihren Energieverbrauch eingeschränkt. Diese Forschung nutzt Licht für neuronale Berechnungen, um so schnellere, energieeffizientere und kompaktere KI-Beschleuniger zu ermöglichen.“
Die in „Nature Communications“ veröffentlichte Studie zeigt, wie KI-Modelle als nanoskopische photonische Strukturen gestaltet werden können. Um die Technologie zu validieren, trainierten die Forscher den nanophotonischen Chip darauf, über 10.000 biomedizinische Bilder zu klassifizieren, darunter MRT-Scans von Brust, Brustkorb und Bauch. In Simulationen und Experimenten erreichte das nanophotonische neuronale Netzwerk eine Klassifizierungsgenauigkeit von etwa 90 % bis 99 %. Doktorand Joel Sved erklärte, der Prototyp demonstriere, wie Intelligenz direkt in nanoskopische photonische Strukturen eingebettet werden könne. Professor Yis Team arbeitet derzeit daran, die Technologie hin zu größeren photonischen neuronalen Netzwerken weiterzuentwickeln. Diese Technologie bietet einen Weg zum Aufbau einer nachhaltigen KI-Infrastruktur, die den wachsenden Rechenbedarf decken kann, ohne den Energieverbrauch überproportional zu steigern.
Veröffentlichungsdetails: Autoren: Joel Sved et al., Titel: „Inversely designed nanophotonic neural network accelerator for ultracompact optical computing“, veröffentlicht in: „Nature Communications“ (2026). Zeitschrifteninformation: „Nature Communications“
