Lichtbasierter Chip verbessert Energieeffizienz bei AI-Aufgaben

Forscher der Universität Florida haben einen innovativen Silizium-Photonik-Chip entwickelt, der Licht nutzt, um KI-Aufgaben effizienter zu gestalten. Der Chip, über den in ‚Advanced Photonics‘ berichtet wird, bewältigt komplexe Faltungsoperationen, die typischerweise viel Rechenleistung erfordern, mit signifikant weniger Energie.

Faltungsoperationen sind essenziell für maschinelles Lernen, da sie Muster in Bildern, Videos und Texten erkennen. Der neue Chip integriert optische Komponenten direkt in das Silizium, wodurch Laserlicht und mikroskopisch kleine Fresnellinsen verwendet werden, um die Energieeffizienz zu verbessern. Diese Komponenten beschleunigen nicht nur die Verarbeitung, sondern reduzieren auch den Energieverbrauch dramatisch.

„Die Durchführung solcher maschinellen Lernberechnungen bei nahezu null Energie ist ein großer Fortschritt für zukünftige KI-Systeme“, erklärt Volker J. Sorger, der Studienleiter. Diese neue Methode ermöglicht es, mehrere Datenströme gleichzeitig zu verarbeiten, indem Laser unterschiedlicher Farben verwendet werden – auch als Wellenlängenmultiplexing bekannt.

In Zusammenarbeit mit dem Florida Semiconductor Institute, UCLA und der George Washington University zeigte das Team, dass diese Technologie leicht in bestehende Systeme integriert werden könnte. In naher Zukunft könnten chipbasierte optische Systeme ein fester Bestandteil von alltäglichen KI-Chips werden.