Photonenchips für energiehungrige KI-Systeme

Forscher haben einen neuen Mikrochip entwickelt, der nicht mit Strom, sondern mit Licht betrieben wird. Die Technologie hat ein hohes Potenzial, künftige Modelle der Künstlichen Intelligenz (KI) erheblich schneller und effizienter zu trainieren, als die schnellsten Komponenten von heute, vermuten Wissenschaftler.

Durch die Verwendung von Photonen anstelle von Elektronen zur Durchführung komplexer Berechnungen könnte der Chip die Beschränkungen klassischer Siliciumchip-Architektur überwinden und die Verarbeitungsgeschwindigkeit von Computern erheblich beschleunigen, während er gleichzeitig ihren Energieverbrauch reduziert, so eine Gruppe von Wissenschaftlern in einer neuen Studie, die im Februar 2024 in der Zeitschrift ‚Nature Photonics' veröffentlicht wurde.

Siliciumchips operieren mit Transistoren, die ein- und ausgeschaltet werden und damit Rechenooperationen durchführen. Grob verallgemeinert gilt: Je mehr Transistoren ein Chip hat, desto mehr Rechenleistung hat er – und desto mehr Strom braucht er für seinen Betrieb.

Noch immer gilt das Mooresche Gesetz

In der Geschichte der Computertechnik haben sich Chips immer an das Mooresche Gesetz gehalten. Es besagt, dass sich die Zahl der Transistoren alle zwei Jahre verdoppelt, ohne dass die Produktionskosten oder der Energieverbrauch steigen. Doch Siliciumchips sind physikalischen Grenzen unterworfen. Dazu gehören die Höchstgeschwindigkeit, mit der Transistoren arbeiten können, die Wärme, die sie durch Widerstand erzeugen, und die kleinste Größe, die Technologen herstellen können.

Das bedeutet, dass die Zusammenschaltung von Milliarden von Transistoren auf immer kleineren Silicium-Elektronikchips möglicherweise nicht machbar ist, wenn der Energiebedarf in der Zukunft steigt – insbesondere für energiehungrige KI-Systeme.

Die Verwendung von Photonen hat da viele Vorteile gegenüber Elektronen. Erstens bewegen sie sich schneller als Elektronen, die die Lichtgeschwindigkeit nicht erreichen können. Während sich Elektronen mit annähernd dieser Geschwindigkeit bewegen können, würden solche Systeme eine außerordentliche – und nicht realisierbare – Energiemenge benötigen. Die Verwendung von Licht wäre daher weit weniger energieintensiv. Außerdem sind Photonen masselos und strahlen keine Wärme ab, wie es Elektronen mit elektrischer Ladung tun.

Bei der Entwicklung ihres Chips ging es den Wissenschaftlern darum, eine lichtbasierte Plattform zu bauen, die Berechnungen, so genannte Vektor-Matrix-Multiplikationen, durchführen kann. Dies ist eine der wichtigsten mathematischen Operationen, mit denen neuronale Netze trainiert werden – Modelle für maschinelles Lernen, die die Architektur des menschlichen Gehirns nachahmen sollen. KI-Tools wie ChatGPT werden so trainiert.

Anstatt wie bei herkömmlichen Siliciumchips einen Siliciumwafer mit gleichmäßiger Höhe für den Halbleiter zu verwenden, machten die Wissenschaftler das Silicium dünner – aber nur gezielt in bestimmten Bereichen. „Diese Höhenvariationen – ohne Hinzufügung anderer Materialien – bieten eine Möglichkeit, die Ausbreitung des Lichts durch den Chip zu steuern, da die Höhenvariationen so verteilt werden können, dass das Licht in bestimmten Mustern gestreut wird, wodurch der Chip mathematische Berechnungen mit Lichtgeschwindigkeit durchführen kann“, so der Mitautor Nader Engheta, Professor für Physik an der Universität von Pennsylvania, in einer kurzen Stellungnahme.

Die Forscher berichten, dass sich ihr Entwurf in bereits bestehende Produktionsverfahren einfügen lasse, ohne dass er angepasst werden müsste. Dies liege daran, dass die Methoden, die sie zum Bau ihres photonischen Chips verwendet haben, die gleichen seien wie die, die zur Herstellung herkömmlicher Chips verwendet werden.

Sie fügten hinzu, dass die Designprinzipien auch für die Erweiterung von Grafikprozessoren (GPUs) verwendet werden könnten, für die die Nachfrage in den letzten Jahren sprunghaft angestiegen ist. Das liege daran, dass diese Komponenten für das Training großer Sprachmodelle (LLMs) wie Google Gemini oder OpenAI ChatGPT von zentraler Bedeutung sind.

„Sie können die Silicon Photonics Plattform als Add-on verwenden“, sagte Mitautor Firooz Aflatouni, Professor für Elektrotechnik an der University of Pennsylvania, in der Erklärung. „Und dann könnte man das Training und die Klassifizierung [der KI] beschleunigen.“

www.nature.com/nphoton/
www.upenn.edu