Startseite > Halbleiter > Q.ANT reduziert Energie für KI-Aufgaben drastisch

Photonischer IC für AI-Inference

Q.ANT reduziert Energie für KI-Aufgaben drastisch

13. September 2024, 6:48 Uhr | Heinz Arnold

Dr. Michael Förtsch, CEO von Q.ANT: »Die Native Processing Unit, die auf Basis von Licht statt von Elektronen arbeitet, ist ein wichtiger Schritt, um den steigenden Energiebedarf der KI zu decken.«

Ab sofort können Interessenten die neue energieeffiziente Native Processing Unit von Q.ANT mit Photonik-Chip inside Live testen. Die erste Generation ist auf AI-Inference zugeschnitten, um die CO2-Bilanz von Rechenzentren der nächsten Generation zu verbessern.

▶ Diesen Artikel anhören

Damit gibt Q.ANT Forschern und Entwicklern erstmals die Möglichkeit, photonisches Computing über einen Cloud-Zugang auf die Native Processing Unit (NPU) des Unternehmens zu erkunden. Durch die Verarbeitung von Daten mit Licht anstelle von Elektronen erledigt die photonische Native Computing-Technologie von Q.ANT komplexe Rechenaufgaben effizienter als heutige Chiptechnologien. Die innovative photonische Chiptechnologie hat damit das Potenzial, die digitale Landschaft komplett zu verändern. Nutzer können sich davon anhand einer Web-Demonstration überzeugen, bei der es um die Erkennung handschriftlicher Zahlen geht.

Mit dieser Demonstration bietet Q.ANT einen Einblick in Next-Generation-Computing-Anwendungen für High-Performance Computing (HPC), Physiksimulationen und künstliche Intelligenz.

Licht statt Silizium – große energetische Vorteile

Der in der Cloud demonstrierte Anwendungsfall ist ein repräsentatives Beispiel für Aufgaben, mit denen heute jedes Rechenzentrum konfrontiert ist. Der grundlegende Unterschied besteht darin, dass die NPUs von Q.ANT – anders als herkömmliche CMOS-Prozessoren – Daten mit Licht verarbeiten. Dieser Paradigmenwechsel ermöglicht es Q.ANT, grundlegende mathematische Operationen wesentlich energieeffizienter durchzuführen. Ein Beispiel: Während ein herkömmlicher CMOS-Prozessor 1.200 Transistoren benötigt, um eine einfache 8-Bit-Multiplikation durchzuführen, erreichen die NPUs von Q.ANT dies mit einem einzigen optischen Element. Allein für diesen Vorgang ist die Q.ANT NPU dreißigmal energieeffizienter als ihr herkömmliches CMOS-Pendant.

Jobangebote+ passend zum Thema

Jahrespraktikant (m/w/d) FR Wirtschaft & Verwaltung

GLYN GmbH & Co. KG, Idstein

Technischer Vertriebsmitarbeiter (m/w/d) für Industrie-PCs / Embedded Systeme

GLYN GmbH & Co. KG, Idstein

Quereinsteiger im Vertriebsinnendienst (m/w/d) für das Vertriebsbüro bei Wien

GLYN GmbH & Co. KG, Brunn am Gebirge

Alle Jobangebote im Elektroniknet Karrierebereich anzeigen

»Mit der wachsenden Nachfrage nach KI steigt auch der Bedarf an energieeffizienten Lösungen. Q.ANT ist mit einem funktionierenden photonischen Prozessor führend – weit über die Forschungsphase hinaus, in der sich die meisten anderen noch befinden«, sagt Dr. Michael Förtsch, CEO von Q.ANT. »Diese Demonstration ist ein wichtiger Schritt, um den Energiebedarf der KI und den CO2-Ausstoß zu reduzieren. Wir laden Forscher und Entwickler dazu ein, das reale Potenzial des photonischen Computings durch unsere praktische Demonstration zu erkunden.«

Chipmaterial als Schlüsselelement

Ein Schlüsselelement dieses Durchbruchs ist die Q.ANT-eigene Chipmaterial-Plattform basierend auf »Thin-Film Lithium Niobate (TFLN)«. Sie ist das Rückgrat aller Q.ANT NPUs und sorgt für eine präzise Lichtsteuerung auf Chipebene. Das Startup hat diese Plattform seit seiner Gründung im Jahr 2018 entwickelt und kontrolliert die gesamte Wertschöpfungskette – vom Rohstoff bis zum fertigen Chip.

Kombiniert mit einem tiefen Verständnis des Lichts ermöglicht dies Q.ANT, die mathematische und algorithmische Dichte noch über die Dichte herkömmlicher CMOS-Prozessoren hinaus zu erhöhen. Ein Beispiel: Während die grundlegende mathematische Funktion einer Fourier-Transformation Tausende bis Zehntausende komplexer Multiplikationen erfordert, was Millionen von Transistoren entspricht, erreicht die Optik dies mit einem einzigen Element.

»Der Schlüssel zur Nutzung des Potenzials des Lichts für die Datenverarbeitung liegt in der durchgängigen Kontrolle des Lichts. Jeder Kompromiss verringert die Erfolgswahrscheinlichkeit drastisch. Deshalb haben wir bei Q.ANT im Gegensatz zu allen unseren Wettbewerbern den Deep-Tech-Ansatz gewählt und eine überlegene Chip-Plattform für die Lichtverarbeitung entwickelt«, so Förtsch.

Verschiebungen in der Branche

Die Halbleiterindustrie wendet sich neuen Technologien zu, um dem wachsenden Bedarf an Rechenleistung gerecht zu werden. Diese Nachfrage nach leistungsstarken und dennoch energieeffizienten Technologien wird durch den weit verbreiteten Einsatz von KI weiter angeheizt. Neben dem Training neuer großer Sprachmodelle ist die KI-Inferenz eine besonders energieintensive KI-Anwendung. Die NPUs von Q.ANT können den Energieaufwand deutlich reduzieren.

Gartner beschreibt Photonic Computing als ein aufkommendes Computing-Paradigma, das die Herausforderungen in Bezug auf Leistung und Energieverbrauch in KI und Rechenzentren angehen könnte, und hat Q.ANT in den jüngsten Gartner Hype Cycle-Berichten als Sample Vendor identifiziert.

Web-Demonstration belegt geringeren Strombedarf

In der Web-Demonstration kann der Benutzer ein Bild einer handgeschriebenen Zahl aus der MNIST-Datenbank (Modified National Institute of Standards and Technology) auswählen. Mithilfe eines trainierten neuronalen Netzes sagt die NPU die Zahl (0-9) voraus und führt eine effiziente Matrix-Vektor-Multiplikation auf dem Photonenchip durch. Mit einer Erkennungsgenauigkeit von 95 Prozent beweist diese Demonstration, dass der photonische Prozessor von Q.ANT – der mit Licht betrieben wird und auf der TFLN-Technologie basiert – komplexe KI-Aufgaben mit geringerem Stromverbrauch durchführen kann. Dies ist das erste Mal, dass ein solcher photonischer Prozessor erfolgreich in einer praktischen Anwendung eingesetzt wird. Er unterstreicht damit sein Potenzial für alle KI-Aufgaben.

Die Demonstration der photonischen NPU liefert wertvolle Erkenntnisse darüber, wie photonisches Computing in der Praxis eingesetzt werden kann, um die derzeitigen Grenzen von KI und maschinellem Lernen zu überwinden, und ebnet den Weg für künftige Fortschritte in diesem transformativen Bereich.

»Wir entwickeln Native Prozessoren, die die heutigen logischen Probleme nativ lösen, indem sie Licht als Medium nutzen«, so Förtsch. »Man stelle sich eine Zukunft vor, in der Hochleistungscomputer mit minimalem Energieaufwand arbeiten und mindestens so leistungsfähig sind wie unser Gehirn – das ist die Vision hinter Native Computing.«