Künstliche Intelligenz
KI-Training mit optischer Faser: Ein lichtbasierter Durchbruch
Securities.io zu deinen bevorzugten Quellen auf Google hinzufügen
Warum optische Fasern die Elektrizität im KI-Computing ersetzen könnten
Seit den Anfängen des Computing basieren fast alle Computer auf Berechnungen, die in irgendeiner Form Strom nutzen, von antiken Vakuumröhren bis zu modernen Nanometer‑Skalen‑Siliziumchips.
Während Siliziumchips immer kleiner werden, suchen Forscher nach neuen Möglichkeiten, Computer zu bauen, die unsere Kapazität über Siliziumchips hinaus steigern könnten – ein Thema, das wir in „Top 10 Non‑Silicon Computing Companies“ untersucht haben.
Diese Methoden umfassen die Verwendung verschiedener Materialien, wie zum Beispiel Siliziumkarbid, Vanadiumdioxid, organische Materialien oder Graphen. Ein weiterer Ansatz besteht darin, die Art des Rechnens zu verändern und sich von der binären Programmierung des strombasierten Computings zu entfernen, zu dem Quantencomputing und Photonik gehören.
Photonik nutzt Licht anstelle von Strom, um Informationen zu codieren und zu übertragen. Bis jetzt wurde es jedoch immer letztlich in ein binäres Signal umgewandelt, sodass keine rein lichtbasierte Form des Rechnens entstand.
Dies änderte sich durch die Arbeit von Forschern der Tampere University (Finnland) und der Université Marie et Louis Pasteur (Besançon, Frankreich). Sie nutzten optische Fasern für ultraschnelle Berechnungen und veröffentlichten ihre Ergebnisse in der Fachzeitschrift Optics Letters1 unter dem Titel „Grenzen der nichtlinearen und dispersiven Faserpropagation für eine optische Faser-basierte Extreme Learning Machine“.
Einschränkungen des traditionellen KI-Trainings mit elektronischen Systemen
Das KI-Training und die Datenverarbeitung stoßen in Bezug auf Effizienz an Grenzen, da die KI‑Rechnung zunehmend durch den Energieverbrauch und die Geschwindigkeit der Datenverarbeitung eingeschränkt wird.
Im Gegensatz dazu haben lichtbasierte Berechnungen das Potenzial, tausendfach schneller zu sein und Daten in winzige Energiemengen zu codieren, was sie effizienter macht. Das Problem ist, dass bisher keine direkte Berechnung mit Licht durchgeführt wurde.
Die Arbeit der Forscher nutzte eine spezielle Klasse von Rechenarchitekturen, die als Extreme Learning Machine (ELM) bekannt ist – ein von neuronalen Netzen inspirierter Ansatz.
Zu ihren Vorteilen gehört, dass ELMs die Trainingsdaten in einem Schritt erlernen können und ein relativ einfacher Algorithmus sind.
In der Regel ist ELM für sehr komplexe Aufgaben, die mehrere KI‑Trainingsebenen erfordern, wenig geeignet, kann jedoch bei spezifischen Aufgaben, wie beispielsweise der visuellen Erkennung, sehr gut und effizient arbeiten.
Wie Forscher Bilder mit optischen Fasern kodierten
Die Forscher nutzten Femtosekunden‑Laserpulse (ein Milliardstel einer Kamerablitzdauer) und eine optische Faser, die das Licht in einem Bereich von weniger als einem Bruchteil eines menschlichen Haares einschränkt, um ein optisches ELM‑System zu bauen.
Die Laserpulse sind so kurz, dass sie eine große Anzahl verschiedener Wellenlängen oder Farben enthalten, wodurch ein reichhaltiger Datensatz entsteht.
Anschließend wurden diese Daten mit einer bildabhängigen relativen Verzögerung in die Faser eingespeist.
Quelle: Tampere University
Die Rolle der nichtlinearen Optik in der KI-Verarbeitung
Diese Form der Datenkodierung wurde durch die nichtlineare Wechselwirkung von Licht und Glas transformiert.
Lineare Optik ist die reguläre Optik, die in der Schule gelehrt wird, bei der das Licht beispielsweise direkt mit einem Prisma interagiert.
In der nichtlinearen Optik hängt die Reaktion des Mediums, durch das das Licht läuft, von Wellenlänge, Intensität, Richtung und Polarisation des Lichts ab.
Nichtlineare optische Bauelemente können Photonen unterschiedlicher Frequenzen kombinieren und neue Photonen mit neuen Frequenzen erzeugen.
„Statt konventionelle Elektronik und Algorithmen zu verwenden, wird die Berechnung durch die Nutzung der nichtlinearen Wechselwirkung zwischen intensiven Lichtpulsen und dem Glas erreicht.“
Die nichtlineare Wechselwirkung und der Extreme Learning Machine (ELM)-Algorithmus konnten eine KI trainieren, handgeschriebene Ziffern zu klassifizieren (wie sie im populären MNIST KI‑Benchmark verwendet werden).
Quelle: Optics Letters
Die besten Systeme erreichten eine Genauigkeit von über 91 %, nahe an den modernsten digitalen Methoden.
Was das Ergebnis außergewöhnlich macht, ist, dass es in weniger als einer Pikosekunde erzielt wurde, also in einem Billionstel einer Sekunde (0,000000000001 Sekunden).
Ideale Optimierung
Die besten Ergebnisse traten nicht bei maximaler nichtlinearer Wechselwirkung oder Komplexität auf.
Stattdessen erforderten sie ein empfindliches Gleichgewicht zwischen Faserlänge, Dispersion (dem Unterschied der Ausbreitungsgeschwindigkeit verschiedener Wellenlängen) und Leistungspegeln.
„Die Leistung hängt nicht einfach davon ab, mehr Leistung durch die Faser zu treiben. Sie hängt davon ab, wie präzise das Licht zunächst strukturiert ist, also wie Informationen codiert werden, und wie es mit den Fasereigenschaften interagiert.“
Sind optische Fasercomputer die Zukunft der KI?
Das Training von KIs ausschließlich mit Licht ist ein radikaler Bruch mit allen bisher verwendeten Methoden. Diese Vorgehensweise wird wahrscheinlich nicht für jede Datenart einsetzbar sein, aber für die Anwendungsfälle, in denen sie anwendbar ist, könnten Ergebnisse erzielt werden, die 1.000‑mal energieeffizienter und bis zu einer Million‑mal schneller sind.
„Unsere Modelle zeigen, wie Dispersion, Nichtlinearität und sogar Quantenrauschen die Leistung beeinflussen und kritisches Wissen für die Gestaltung der nächsten Generation hybrider optisch‑elektronischer KI‑Systeme liefern.“
Wahrscheinlich würde ein solcher Ansatz bedeuten, dass ein Teil der KI‑Berechnung an eine speziell für diese Aufgabe entwickelte nichtlineare optische Faserhardware delegiert wird. Wiederholende Aufgaben, wie die visuelle Identifizierung, wären damit die besten Kandidaten, mehr als die Verarbeitung neuer Daten.
„Diese Arbeit zeigt, wie Grundlagenforschung in der nichtlinearen Faseroptik neue Rechenansätze vorantreiben kann. Durch die Verschmelzung von Physik und maschinellem Lernen eröffnen wir neue Wege zu ultraschnellen und energieeffizienten KI‑Hardware.“
Mögliche Anwendungen reichen von Echtzeit‑Signalverarbeitung über Umweltüberwachung bis hin zu Hochgeschwindigkeits‑KI‑Inference.
Eine solche Arbeit befindet sich jedoch noch im Stadium der Demonstration grundlegender Prinzipien der Technik und ist weit von einer Kommerzialisierung entfernt.
Dennoch zeigt sie, dass Photonik künftig wahrscheinlich einen immer wichtigeren Teil der Computerindustrie ausmachen wird, da Licht für einige Rechenanwendungen aufgrund grundlegender physikalischer Gründe dem Strom überlegen sein kann.
Top börsennotiertes Laser‑ & Photonik‑Unternehmen
Coherent (II-VI Marlow): Ein führendes Unternehmen in Laserinnovation
COHR Preisdiagramm
Coherent ist ein großer Industriekonzern mit über 26.000 Mitarbeitenden und ein führendes Unternehmen im Bereich Lasertechnologie. Das Unternehmen entstand durch die Fusion des High‑Tech‑Materialunternehmens II‑VI Marlow mit dem Lasermaker Coherent.
Das Unternehmen ist Experte für fortschrittliche Materialien, die in Lasern, Optik und Photonik verwendet werden, wie Indiumphosphid, epitaktische Wafer und Galliumarsenid.
Es wuchs vor allem dank mehrerer Akquisitionen im letzten Jahrzehnt, von 600 Mio. $ Umsatz im Jahr 2013 auf 4,7 Mrd. $ im Jahr 2024.
Das Unternehmen erzielt 29 % seines Umsatzes direkt aus Lasern, der Rest ist mit zugehöriger Ausrüstung wie optischen Fasern und Elektronik verbunden. Die Instrumentierungskategorie umfasst hauptsächlich Life
Quelle: Coherent
Die Präsenz des Unternehmens in fortschrittlichen Materialien wie Thermophotovoltaik (wie wir in einem vorherigen Artikel besprochen haben), Siliziumkarbid, Lasern und Elektronik ermöglicht es, von strukturellen Trends wie dem Wachstum der Präzisionsfertigung, der additiven Fertigung (3D‑Druck), der Elektrifizierung und erneuerbarer Energien zu profitieren.
Das Unternehmen hat seinen Siliziumkarbid‑Geschäft kürzlich in ein neues Unternehmen ausgegliedert, das zu 75 % von Coherent gehalten wird, wobei der Rest zu gleichen Teilen von den Partnern Mitsubishi Electric (die Siliziumkarbid‑Power‑IP einbringen) und Denso (die als Automobilzulieferer im Bereich Elektrifizierung und Leistungshalbleiter aktiv sind) gehalten wird.
Dies liegt daran, dass Siliziumkarbid zunehmend eine eigenständige Technologie ist, die hauptsächlich in Hochleistungsanwendungen wie Elektrofahrzeugen, Batterien und erneuerbarer Energie eingesetzt wird.
Coherent ist ein führendes Unternehmen im Bereich LIDAR und 3D‑digitales Sensing, einschließlich Anwendungen für autonomes Fahren, Biotechnologie Next‑Generation‑Sequencing (NGS) Flow‑Cells und Laser für die Halbleiterfertigung. Es erwartet, dass seine Hauptmärkte mit 8‑20 % wachsen.
Quelle: Coherent
Weitere potenzielle neue Anwendungen von Lasern, wie direkte Energiewaffen, photonisches Computing, Kernfusion und Raumfahrttechnologie, könnten gleichermaßen zum langfristigen Wachstum des Unternehmens beitragen.
Insgesamt ist Coherent dem Konzept eines reinen, börsennotierten Laserunternehmens für investoreninteressierte Anleger so nah wie möglich, mit starker vertikaler Integration und über 3.100 Patenten, die seine Innovationen schützen.
Mit dem Fortschritt der Photonik wird die Nachfrage nach ultraschnellen, ultra‑präzisen Lasersystemen sowie nach Lasern für die optische Telekommunikation stetig steigen.
Neueste Coherent (COHR) Aktiennachrichten und Entwicklungen
Referenzierte Studie
1. Andrei V. Ermolaev, Mathilde Hary, et al. Grenzen der nichtlinearen und dispersiven Faserpropagation für eine optische Faser-basierte Extreme Learning Machine. Optics Letters. Vol. 50, Issue 13, pp. 4166-4169 (2025) https://doi.org/10.1364/OL.562186
