Rechnen mit Lichtgeschwindigkeit dank Siliziumphotonik

Dieser Forschungsbericht behandelt eine Veröffentlichung aus dem Jahr 2024. Die experimentelle optische Recheneinheit ist kein vollständiger KI-Computer; Hinweise auf Unternehmenspläne beziehen sich auf die damalige Berichterstattung.

Ingenieure der University of Pennsylvania haben einen Chip entwickelt, der Lichtwellen anstelle von Elektrizität nutzt, um die komplexen Berechnungen durchzuführen, die zum Training von Künstlicher Intelligenz (KI) erforderlich sind. Diese Innovation könnte die Verarbeitung erheblich beschleunigen und den Energieverbrauch von Geräten senken.

Die Studie, veröffentlicht in Nature Photonics, zeigt, dass es sich um eine „inverse‑designte Niedrig‑Index‑Kontrast‑Struktur“ auf einer Siliziumphotonik‑Plattform (SiPh) handelt, die potenziell großskalige, wellenbasierte analoge Rechenplattformen ermöglichen könnte.

Siliziumphotonik verwendet Silizium, ein reichlich verfügbares und kostengünstiges Element, das in der Massenproduktion von Computerchips eingesetzt wird, und integriert Komponenten wie Fotodetektoren, optische Schalter, optische Wellenleiter und optische Modulatoren auf einem Siliziumsubstrat.

Der in dieser Studie vorgestellte siliziumphotonische (SiPh) Chip manipuliert Materialien im Nanomaßstab, um mathematische Berechnungen mit Licht durchzuführen. Diese Methode, Lichtwellen mit Materie zu koppeln, verspricht die Entwicklung von Computern, die die heutigen Chip‑Grenzen überschreiten.

„Wir haben beschlossen, zusammenzuarbeiten“, sagte Nader Engheta, Inhaber der H. Nedwill Ramsey-Professur, und verwies auf die Entwicklung nanoskaliger Silizium‑Geräte durch die Forschungsgruppe von Firooz Aflatouni, der außerordentliche Professor für Elektrotechnik und Systemtechnik ist.

Ziel war es, eine Plattform zu entwickeln, die Vektor‑Matrix‑Multiplikation (VMM) ausführen kann, welche in der Entwicklung und Funktionsweise neuronaler Netze, die aktuelle KI‑Werkzeuge antreiben, verwendet wird.

Laut der Studie führen inverse‑designte SiPh‑Metastrukturen zwar effizient analoge Berechnungen mit elektromagnetischen Wellen durch, doch die Skalierung auf eine große Anzahl von Datenkanälen stellt eine Herausforderung dar. Um dem zu begegnen, nutzte das Team einen 2‑D‑Inverse‑Design‑Ansatz, um kompakte amorphe Linsensysteme zu schaffen, die typischerweise feed‑forward und resonanzarm sind. Die Studie demonstrierte erfolgreich ein Vektor‑Matrix‑Produkt für 2 × 2‑ und 3 × 3‑Matrizen und entwarf zudem eine 10 × 10‑Matrix.

Anstatt eines Siliziumwafers mit einheitlicher Höhe dünnte das Team das Silizium in ausgewählten Bereichen selektiv aus. Diese Höhenschwankungen ermöglichen die Kontrolle der Lichtdurchlässigkeit durch den Chip.

Diese Variationen formen die Lichtausbreitung für die analoge Berechnung. Die Geschwindigkeit eines vollständigen Systems hängt zusätzlich von Datenzufuhr, Umwandlung, Auslesen und Rechengenauigkeit ab.

Aflatouni verwies auf die Berücksichtigung kommerzieller Fertigungsprozesse. Fertigungskompatibilität ist jedoch nicht gleichbedeutend mit einem bereits verfügbaren, vollständig integrierten Produkt. Außerdem könnte das Design potenziell für den Einsatz in Grafikprozessoren (GPUs) adaptiert werden, einer spezialisierten elektronischen Schaltung, die derzeit im Zuge des KI‑Boomes stark nachgefragt wird. Durch die Integration der Siliziumphotonik‑Plattform als Zusatzmodul, so Aflatouni, könnten Trainings‑ und Klassifizierungsprozesse beschleunigt werden.

Optische Verarbeitung kann bestimmte Zwischenspeicherungen vermeiden. Daraus folgt jedoch nicht, dass ein vollständiger Computer unhackbar wäre: Ein- und Ausgabe, Steuerung, Software und verbleibende Speicher müssen weiterhin geschützt werden. Die Mitteilung der Universität von Februar 2024 beschreibt das Potenzial eines optischen Bausteins, keine Sicherheitsgarantie für ein Gesamtsystem.

Teilweise finanziert durch einen Zuschuss des US Air Force Office of Scientific Research’s Multidisciplinary University Research Initiative und einen weiteren vom US Office of Naval Research, zielt diese Studie darauf ab, die Beschränkungen der heute eingesetzten Chips zu überwinden, die nach Prinzipien arbeiten, die seit vielen Jahrzehnten gelten. Durch die Nutzung der Lichtenergie kann dieser neue Ansatz den Weg für die nächste Generation der KI‑Entwicklung ebnen.

Das enorme Potenzial der Siliziumphotonik

In den letzten Jahrzehnten wurde die Forschung und Entwicklung an diesem Material fortgesetzt. Kürzlich hat die Siliziumphotonik (SiPh) jedoch aufgrund der steigenden Nachfrage nach schneller und effizienter Datenverarbeitung Aufmerksamkeit erlangt.

Dieses wachsende Interesse hat die globale Marktgröße der Siliziumphotonik im Wert von 1,29 Milliarden US‑Dollar im Jahr 2022, und laut Grand View Research wird bis zum Ende dieses Jahrzehnts ein CAGR von 25,8 % erwartet. Dieses Wachstum ist auf den Bedarf an höheren Datenübertragungsraten und bandbreitenintensiven Anwendungen zurückzuführen.

SiPh ist hier die ideale Plattform wegen seiner Wirtschaftlichkeit und hohen Integrationsdichte. Da SiPh zudem mit der elektronischen Fertigung kompatibel ist, können Siliziumphotonik‑integrierte Schaltungen (PICs) mit etablierter Foundry‑Infrastruktur hergestellt werden. SiPh hat darüber hinaus das Potenzial, Hunderte bis Tausende von Bauelementen in komplexe PICs zu integrieren, mit einer Design‑ und Fertigungsskala, die der von CMOS ähnelt, und eröffnet neue Anwendungen an der Schnittstelle von Photoniks und Computing.

Durch seine Hochgeschwindigkeits‑Übertragung, hohe Integrationsdichte, exzellente optische Eigenschaften, geringeren Stromverbrauch und relativ kostengünstige Herstellung ist Siliziumphotonik zu einer wertvollen Technologie in vielen Bereichen geworden.

Beispielsweise wird die Anwendung von Siliziumphotonik im LiDAR für autonomes Fahren und industrielle Automatisierung erforscht. LiDAR nutzt Licht, das von Oberflächen reflektiert wird, anstatt Funksignale (RF), um kritische Informationen über die Umgebung zu analysieren und bereitzustellen.

Zudem kann Siliziumphotonik für die Sensorik (d. h. optische Sensorik) eingesetzt werden, bei der die Übertragung eines Signals und der Empfang des optischen Signals dazu beitragen, die Eigenschaften der Umgebung zu bestimmen. Dies kann für Gesundheitsanwendungen und tragbare Consumer‑Health‑Geräte von Nutzen sein.

Neben autonomen Fahrzeugen und Sensorik wurde die Nutzung von Siliziumphotonik auch in Telekommunikation, Quantenkommunikation, Biomedizin, Luft‑ und Raumfahrt, Astronomie und AR/VR untersucht. Siliziumphotonik zeigt zudem Potenzial für die vollständige Integration und großskalige optische Quanten‑Informationsverarbeitung.

Dann gibt es KI, die Hochleistungs‑Computing erfordert. Da die KI‑Begeisterung neue Höchststände erreicht und weiter wachsen wird, steht die Chip‑Industrie unter Druck, Innovationen zu liefern. Sie arbeitet intensiv daran, mehr Transistoren auf einen einzelnen Chip zu packen, um die Rechenleistung und Energieeffizienz deutlich zu steigern. Solche Verbesserungen sind entscheidend, um KI‑Algorithmen genauer, schneller und kostengünstiger zu trainieren und zu betreiben.

Im Versuch, das Halbleiter‑Rennen zu gewinnen, baut sogar China eine Produktionslinie für photonische Chips, da deren Berechnungsgeschwindigkeit schneller und die Informationskapazität größer ist, was deutlich über den bestehenden siliziumbasierten Chips liegen wird.

Ein Wendepunkt für KI

Der KI‑Wahnsinn zeigt keinerlei Anzeichen einer Verlangsamung. Diese neue Welle technologischen Fortschritts hat sich als kraftvolle Triebkraft erwiesen, die zahlreiche Branchen revolutionieren und die Zukunft umgestalten wird. Da KI schnell zu einem integralen Bestandteil unseres Alltags wird und datenintensive Anwendungen immer komplexer werden, suchen Unternehmen, Regierungen, Institutionen und Wissenschaftler nach Möglichkeiten, sie effizienter zu gestalten.

Dies treibt die Menschen zu Siliziumphotonik, einer der vielversprechendsten Technologien, um die komplexen und kostenintensiven Berechnungen tiefer neuronaler Netze – einem Teilbereich von Machine‑Learning‑Algorithmen, der die Modellleistung genauer macht – zu bewältigen. Tiefe Netze bestehen aus Schichten, die mathematische Beziehungen enthalten.

Angesichts dieser Komplexität kann Siliziumphotonik die Leistung und Kosteneffizienz steigern, was die Funktion von KI‑ und Machine‑Learning‑Anwendungen verbessert. Die KI/ML‑Welt benötigt einen schnellen Datenaustausch bei minimalem Energieverbrauch und gleichzeitig eine hohe Rechendichte.

Hier ermöglicht Siliziumphotonik eine bessere Kommunikation zwischen Recheneinheiten. Das Material erlaubt zudem den Einsatz von kurzstreckenoptischen Interconnects, um Daten innerhalb von KI/ML‑Anwendungen effizient über relativ kurze Distanzen zu übertragen. Eine schnelle Datenübertragung ist für Entscheidungen in Echtzeit unerlässlich.

Auf diese Weise trägt Siliziumphotonik zur Gesamteffektivität und Leistung von KI‑Systemen bei. Durch die Nutzung dieses Materials können Unternehmen größere Rechenkapazitäten freischalten und genauere sowie reaktionsschnellere Ergebnisse erzielen.

Siliziumphotonik ist besonders für das Computing geeignet, da solche Schaltungen schneller als herkömmliche elektronische Schaltungen sein können. Darüber hinaus ist ihre optische Verarbeitung von Natur aus parallel, was die gleichzeitige Ausführung mehrerer Vorgänge ermöglicht.

Siliziumphotonik ermöglicht es zudem, grundlegende Bauelemente in zahlreichen Kombinationen zusammenzuführen, um sehr komplexe Schaltungen zu bauen, was die Schaffung fortschrittlicher Systeme für spezifische Anwendungen erlaubt.

Die Zukunft der Siliziumphotonik im Bereich KI ist, wie wir sehen, vielversprechend, da ihr Potenzial besteht, KI‑Algorithmen zu transformieren und die Fähigkeiten von KI‑Systemen weiter zu steigern. Es ist zweifellos eine spannende Zeit für Siliziumphotonik.

Klicken Sie hier, um alles über Investitionen in Künstliche Intelligenz zu erfahren.

Ein Blick auf bekannte Chip‑Hersteller

Werfen wir nun einen Blick auf einige der bekannten Namen im Chip‑Herstellungsbereich:

#1. NVIDIA Corporation

Nvidia (NVDA ) entwickelt GPUs und KI-Rechenplattformen.

Da die Nachfrage weltweit in allen Branchen und Ländern steigt, meldete Nvidia im Februar 2024 seine Ergebnisse für das vierte Quartal des Geschäftsjahres 2024, wobei der Umsatz auf über das Dreifache auf 22,1 Milliarden $ gestiegen ist. Laut CEO und Mitbegründer Jensen Huang:

„Beschleunigtes Computing und generative KI haben den Wendepunkt erreicht.“

Die damalige Prognose bezog sich auf das erste Quartal des Geschäftsjahres 2025. Der H100‑Datenzentrum‑Chip des Unternehmens trägt dazu bei, dass Nvidia im KI‑Bereich führend ist. Er ist darauf optimiert, enorme Datenmengen und Berechnungen mit hoher Geschwindigkeit zu verarbeiten, was ihn zur perfekten Lösung für die energieintensive Aufgabe des Trainings von KI‑Modellen macht.

Klicken Sie hier, um alles über Investitionen in die NVIDIA Corporation (NVDA) zu erfahren.

#2. Intel Corporation

Der US‑basierte Chip‑Hersteller erlebt ein Come‑back, indem er sein Foundry‑Geschäft ausbaut, das Chip‑Designs für andere Unternehmen fertigt. Microsoft (MSFT ) hat das Unternehmen ausgewählt, um seine High‑End‑Halbleiter zu produzieren und „die westliche Fertigung in großem Maßstab wieder aufzubauen.“

Der Chip wird für Intels 18A‑Node konzipiert, einen Fertigungsprozess, der Halbleiter kleiner und energieeffizienter macht. „Intel (INTC ) ist das Spitzen‑Chip‑Unternehmen des Landes“, sagte die damalige US‑Handelsministerin Gina Raimondo und wies darauf hin, dass Google, OpenAI und andere, die LLMs entwickeln, in den kommenden Jahren ein „unvorstellbares“ Volumen an Halbleitern benötigen werden.

Der damalige Intel-CEO Pat Gelsinger beschrieb 2024 die erwartete Nachfrage nach KI-Chips:

„Die Gesamtnachfrage (nach KI‑Chips) scheint für mehrere Jahre in die Zukunft unstillbar zu sein.“

#3. Samsung

Der südkoreanische Technologieriese plant, seine 2‑nm‑Chip‑Technologie einzuführen, um sich gegenüber anderen Chip‑Herstellern einen Vorsprung zu verschaffen. Laut der damals veröffentlichten Roadmap des Foundry‑Forums (SFF) plante Samsung für 2025 mit der großflächigen Produktion des 2‑nm‑Prozesses für mobile Anwendungen beginnen, im darauffolgenden Jahr für Hochleistungs‑Computing‑Anwendungen und anschließend für die Automobilindustrie. In dieser historischen Roadmap sollte Samsung ein Jahr später mit dem 1,4‑nm‑Prozess starten.

Im Finanzbericht Q4 2023 stellte Samsung fest, dass seine Foundry‑Division einen Auftrag für seine 2‑nm‑KI‑Chips vom japanischen KI‑Startup Preferred Networks (PFN) erhalten hat, das zuvor mit der Taiwan Semiconductor Manufacturing (TSM ) Co (TSMC) zusammenarbeitete.

Der Chip‑Hersteller arbeitet zudem mit Arm zusammen, um den Cortex‑X‑Core auf seiner fortschrittlichsten Chip‑Fertigungstechnologie, GAA, zu optimieren. Ende letzten Jahres unterzeichnete Samsung zudem eine Partnerschaft mit Tenstorrent, das Nvidia als Konkurrenten herausfordern will.

Fazit

Da Fortschritte in der KI den Bedarf an höherer Rechenleistung erhöhen, hat sich Siliziumphotonik als vielversprechende Technologie herauskristallisiert, die das Potenzial hat, die Latenz zu reduzieren und gleichzeitig die Effizienz zu steigern, indem sie die Herstellung photonischer Komponenten auf Silizium mittels standardisierter Halbleiter‑Fertigungsprozesse ermöglicht.

Obwohl Siliziumphotonik viele Vorteile bietet, wird sie elektronische Chips nicht in naher Zukunft ersetzen. Das liegt daran, dass die Möglichkeiten von Siliziumphotonik nach wie vor eng fokussiert sind und technische Hürden bei der Software‑Entwicklung bestehen, um ihr Potenzial zu optimieren. Es wird also einige Zeit dauern, bis die Nutzung von Siliziumphotonik weit verbreitet ist, doch diese Technologie steht erst am Anfang, und angesichts des rasanten Fortschritts der KI‑Technologie kann dies sicherlich beschleunigt werden.

Klicken Sie hier, um mehr über den aktuellen Stand des Quantencomputings zu erfahren.