Kann die Photonik das Mooresche Gesetz am Leben erhalten?

Moores Gesetz besagt, dass die Anzahl der Transistoren in einem integrierten Schaltkreis etwa alle zwei Jahre zunimmt, zusammen mit der Rechenleistung. Dieses Prinzip ist seit 1965 weitgehend korrekt. Man kann jedoch annehmen, dass Gordon E. Moore, Mitbegründer von Intel (INTC ), nie berücksichtigt hat, dass Chips ihre Miniaturisierungsgrenzen erreichen würden, was zu einer Verzögerung der Rechenleistung führt.

Ein Forschungsteam entwickelte eine magnetooptische Speicherzelle, die photonisches Rechnen unterstützen könnte. Die Studie untersucht einen Laborprototypen und dessen mögliche Vorteile.

Verkleinern

Seit den ersten raumfüllenden Computern wurden Bauteile immer kleiner und leistungsfähiger. Die Miniaturisierung brachte große Fortschritte, stößt aber zunehmend an physikalische und wirtschaftliche Grenzen.

Physikalische und Kostenbeschränkungen

Irgendwann wird die Fertigung noch kleinerer Bauteile so teuer, dass sie sich wirtschaftlich kaum lohnt. Nach Ansicht vieler Fachleute rückt dieser Punkt näher. Zudem wächst die Rechenleistung nicht allein deshalb im gleichen Maß, weil sich mehr Transistoren auf einem Chip unterbringen lassen.

Damit vergrößert sich die Lücke zwischen benötigter und verfügbarer Rechenleistung. Nvidia-CEO Jensen Huang (NVDA ) hat deshalb das Ende des Mooreschen Gesetzes ausgerufen und anwendungsspezifische Prozessoren als einen möglichen Weg nach vorn bezeichnet.

Nachfrage nach Hochleistungscomputern

Das rasche Wachstum künstlicher Intelligenz und des maschinellen Lernens erhöht den Bedarf an leistungsfähigen Rechnern und Cloud-Plattformen. Die Entwicklung der Chips kann mit bestimmten Anforderungen an Leistung und Datenverarbeitung nicht immer Schritt halten. Forschende suchen deshalb nach neuen Architekturen für KI-Systeme.

Lösungen für Rechenleistung

Ein Ansatz bringt Speicher und Verarbeitung näher zusammen oder kombiniert beides auf einem Chip. Das kann Latenz und Energiebedarf verringern. Für besonders große KI-Workloads bleiben jedoch technische Grenzen bestehen.

Speicher-Computing

Auch das Rechnen im oder nahe am Speicher weckt Interesse. Daten lassen sich dort mit geringeren Transportwegen verarbeiten; verteilte Systeme können Arbeitsspeicher parallel nutzen. Die im Ausgangstext pauschal genannte 5.000-fache Beschleunigung gilt nicht für alle Anwendungen und Speichertechniken.

Photonik

Die Photonik nutzt Licht, um Signale zu übertragen und zu verarbeiten. Für bestimmte Rechenaufgaben werden optische Signale durch eine Anordnung programmierbarer Gewichtungen geleitet und anschließend elektronisch ausgelesen.

Eine zweidimensionale Anordnung nichtflüchtiger optischer Modulatoren kann einen Eingabevektor linear transformieren. Solche Bauelemente könnten bestimmte Rechenschritte beschleunigen; der gesamte Systemvorteil hängt aber auch von der Umwandlung zwischen elektrischen und optischen Signalen ab.

Aktuelle Beschränkungen der Photonik

Viele bisherige Ansätze für nichtflüchtige optische Speicher leiden unter begrenzter Zahl von Schreib- und Löschzyklen, geringer Speicherdichte oder langsamer Programmierung. Die Grenzen hängen vom Material und vom konkreten Aufbau ab.

Photonische Rechensysteme benötigen oft besondere Herstellungsverfahren und eine sorgfältige Integration mit Elektronik. Ob sie wirtschaftlich werden, hängt von Fertigungserträgen, Skalierung, Energieverbrauch und dem Nutzen für konkrete Anwendungen ab.

Wrights Gesetz

Das Wrightsche Gesetz beschreibt einen anderen Zusammenhang: Mit wachsender kumulierter Produktion können die Stückkosten sinken, weil Herstellungsprozesse verbessert werden. Der Luftfahrtingenieur Theodore Paul Wright beschrieb diesen Lerneffekt anhand des Flugzeugbaus; er ist keine Garantie für eine bestimmte Kostenentwicklung neuer Chips.

Bessere Prozesse, höhere Ausbeute, neue Werkzeuge und Erfahrung können die Kosten einer Technologie senken. Ob dieser Effekt photonische Chips tatsächlich erschwinglicher macht, muss sich in der Produktion zeigen.

Auch KI-Dienste wurden für viele Menschen zugänglicher. Daraus lässt sich jedoch nicht unmittelbar ableiten, dass das Wrightsche Gesetz eine bestimmte Preisentwicklung bei KI-Hardware oder photonischen Speichern vorhersagt.

Chatbasierte Dienste wie ChatGPT vereinfachten die Nutzung großer Sprachmodelle. Gleichzeitig erhöhte die Verbreitung solcher Dienste die Nachfrage nach Rechenzentren und spezialisierter Hardware.

Photonik-Studie

Einordnung der Redaktion: Die Messwerte 1 ns, 143 fJ pro Bit und 2,4 Milliarden Zyklen stammen aus einem Forschungsprototypen, nicht aus einem fertigen KI-Rechner. Quelle: Pintus et al., Nature Photonics (2025).

Die in Nature Photonics veröffentlichte Studie „Integrated non-reciprocal magneto-optics with ultra-high endurance for photonic in-memory computing“¹ beschreibt eine magnetooptische Speicherzelle für photonisches In-Memory-Computing. Der Artikel erschien online im Oktober 2024 und in der Ausgabe vom Januar 2025.

Quelle – Nature

Die Forschenden kombinierten magnetooptische Speicherzellen mit einer resonanzbasierten photonischen Architektur. Entscheidend ist eine nichtreziproke Phasenverschiebung: Licht, das in entgegengesetzte Richtungen durch einen Mikroring läuft, reagiert unterschiedlich auf das Magnetfeld.

Als magnetooptisches Material nutzten sie mit Cer dotierten Yttrium-Eisen-Granat (Ce:YIG). Ein angelegtes Magnetfeld verändert die optische Antwort des Materials und damit die programmierbaren Gewichtungen für Berechnungen.

Die Demonstration zeigte, dass magnetische Zustände als nichtflüchtige optische Gewichtungen gespeichert und schnell wieder ausgelesen beziehungsweise aktualisiert werden können.

Zur Programmierung werden elektrische Signale über elektrooptische Modulatoren in den optischen Bereich übertragen. Aus der Differenz der optischen Signale gewinnen symmetrische Fotodetektoren wieder ein elektrisches Signal, das sich mit CMOS-Logik und SRAM weiterverarbeiten lässt. Dies beschreibt die vorgeschlagene Architektur und keinen bereits verbreiteten kommerziellen Rechner.

Photonik-Test

Für die Erprobung nutzten die Forschenden unter anderem einen elektrischen 2-Bit-Eingang. Damit erzeugten sie vier optische Gewichtungsstufen: zwei positive und zwei negative. Anschließend untersuchten sie die Reaktion auf unterschiedliche Magnetfelder.

Cerium-substituiertes Yttrium-Eisen-Granat (YIG),

Im Versuch kam eine etwa 500 nm dicke Ce:YIG-Schicht zum Einsatz, die bei 750 °C durch Hochfrequenz-Sputtern hergestellt wurde. Der Ausgangstext beschreibt außerdem einen Ringradius von 35 µm und eine dünne Siliziumoxidschicht zur Trennung der Materialien; diese Angaben beziehen sich auf den jeweiligen Versuchsaufbau.

Photonik-Programmierung

Ein integrierter Gold-Elektromagnet erzeugt das radiale Magnetfeld zur Programmierung der Speicherzelle. Die optischen Verluste beziehungsweise Resonanzverschiebungen ändern sich mit Richtung und Stärke des Feldes.

Bei der nichtflüchtigen Variante speichern ferromagnetische Dünnschichten den Magnetisierungszustand. Der Mikroring unterstützt Lichtausbreitung im Uhrzeigersinn und gegen den Uhrzeigersinn; die unterschiedlichen Resonanzen lassen sich zum Codieren und Auslesen optischer Gewichtungen verwenden.

Photonik-Lebenszyklus

Für den Dauertest wechselte ein Funktionsgenerator mit 10 kHz zwischen Schreib- und Löschimpulsen. Die Forschenden verwendeten eine Amplitude von ±5 V und eine Impulsbreite von 500 ns. Dieser Labortest prüfte die Belastbarkeit der Zelle über mehrere Tage.

Photonik-Ergebnisse

Die Speicherzelle überstand im Versuch 2,4 Milliarden Schreib- und Löschzyklen, ohne dass die Forschenden eine Degradation beobachteten. Das ist ein Messergebnis für diesen Prototypen; eine unbegrenzte Lebensdauer ist damit nicht nachgewiesen.

Die nichtreziproke magnetooptische Verschiebung ermöglichte schnelle und reproduzierbare Programmierung. Die Studie berichtet etwa 1 ns für die Gewichtsaktualisierung, entsprechend einer möglichen Rate um 1 GHz, sowie nichtflüchtige Speicherung mit mehreren Zuständen. Der Nutzen in großen Rechensystemen muss noch gezeigt werden.

Photonik-Vorteile

Photonisches In-Memory-Computing eignet sich als Forschungsansatz für lineare Algebra, etwa Matrix-Vektor-Multiplikation, die auch in KI-Anwendungen vorkommt. Die Laborergebnisse belegen jedoch noch keinen Vorteil für ein vollständiges KI-Rechenzentrum.

Reduzierte Latenz

Die Forschenden beobachteten eine magnetooptische Reaktion und Gewichtsaktualisierung im Bereich von etwa 1 ns. Diese Zahl bezeichnet einen Vorgang an der untersuchten Speicherzelle und nicht die End-to-End-Latenz eines Computers.

Niedrigerer Energieverbrauch

Für die Programmierung einer vierstufigen optischen Gewichtung nennt die Studie 143 fJ pro Bit. Dieser Laborwert umfasst nicht automatisch den gesamten Energiebedarf für Laser, Signalumwandlung, Steuerung und Kühlung eines künftigen Systems.

Reprogrammierbar

Die hohe Zyklenfestigkeit ist ein wesentlicher Fortschritt: Mehr als 2,4 Milliarden Schreib- und Löschzyklen wurden demonstriert. Daraus folgt weder eine unbegrenzte Zahl von Zyklen noch eine Überlegenheit gegenüber jeder bestehenden Speichertechnologie.

Photonik-Forscher

An der Forschungsarbeit waren unter anderem Paolo Pintus, Mario Dumont, Nathan Youngblood, Yuya Shoji, John Bowers und Galan Moody beteiligt. Die Studie stammt aus einem größeren Forschungsteam; weitere Materialien und Architekturen könnten künftig untersucht werden.

Unternehmen, die von der Photonik-Forschung profitieren können

Rechenzentren und Cloud-Anbieter könnten von ausgereiften photonischen Beschleunigern profitieren. Ob und wann diese konkrete Speicherzelle kommerziell eingesetzt wird, ist offen. Eine mögliche Unternehmensanwendung bleibt daher eine Hypothese.

Snowflake

Snowflake (SNOW ) ist ein Anbieter von Cloud-Datenplattformen. Das Unternehmen wurde 2012 von Benoît Dageville, Thierry Cruanes und Marcin Żukowski gegründet. Seine Dienste helfen Firmen, Daten in der Cloud zu speichern, zu verarbeiten und auszuwerten.

Snowflake investiert in neue Daten- und KI-Dienste. Die im Ausgangstext erwähnte Initiative „One Million Minds + One Platform“ sollte mehr Menschen den Umgang mit Daten und KI vermitteln. Das Forschungsresultat zur magnetooptischen Speicherzelle begründet für sich genommen keine Aktienempfehlung.

Die im Ausgangstext genannten Kennzahlen von mehr als 4,2 Milliarden täglichen Abfragen und über 10.000 Kunden beziehen sich auf damalige Unternehmensangaben und können sich geändert haben. Für eine Anlageentscheidung sind aktuelle Berichte und Risiken maßgeblich.

Sollte eine künftige, industriell skalierbare Version der photonischen Technik in Rechenzentren eingesetzt werden, könnten Energiebedarf oder Latenz bei geeigneten Aufgaben sinken. Für Snowflake gibt es hier keinen belegten Einführungsplan oder bezifferbaren Ertrag aus dieser Forschungsarbeit.

Photonik – Licht nutzen, um das Computing auf die nächste Stufe zu heben

Die Studie zeigt einen vielversprechenden Laborprototyp für photonisches In-Memory-Computing: schnelle Aktualisierung, geringer Programmierenergiebedarf und hohe Zyklenfestigkeit. Weitere Arbeit an Integration, Fertigung und Systemtests ist nötig, bevor sich Aussagen über einen praktischen Einsatz treffen lassen.

Weitere Projekte zum Thema Computing finden Sie hier.

Studienreferenz:

^{1. Pintus, P., Dumont, M., Shah, V., et al. (2025). Integrierte nicht-reziproke magneto-optische Systeme mit ultrahoher Ausdauer für photonisches In-Memory-Computing. Nature Photonics, 19(1), 54–62. https://doi.org/10.1038/s41566-024-01549-1}