Das Start-Up für photonisches Computing, Q.ANT, gibt die Markteinführung der ersten kommerziellen photonischen Native Processing Unit (NPU), bekannt. Diese absiert auf der firmeneigenenen Rechenarchitektur LENA (Light Empowered Native Arithmetics). Es ist mit den heutigen Computing-Ecosystem kompatibel.
Es hat außerdem eine 30-fach höhere Energieeffizienz und deutliche Verbesserungen der Rechengeschwindigkeit gegenüber der herkömmlichen CMOS-Technologie.
Photonik in reale Anwendungen
„Mit unserer photonischen Chiptechnologie, die jetzt über die Standard-PCIe-Schnittstelle verfügbar ist, bringen wir die unglaubliche Leistungsfähigkeit der Photonik direkt in reale Anwendungen. Wir machen damit ein deutliches Statement: Leistung und Nachhaltigkeit können Hand in Hand gehen„, sagt Dr. Michael Förtsch, CEO von Q.ANT. „Zum ersten Mal können Entwickler KI-Anwendungen erstellen und die Möglichkeiten des photonischen Rechnens erkunden, insbesondere für komplexe, nichtlineare Berechnungen. Experten haben beispielsweise errechnet, dass eine GPT-4-Anfrage heute 10-mal mehr Strom verbraucht als eine normale Internet-Suchanfrage. Unsere photonischen Chips bieten das Potenzial, den Energieverbrauch für diese Abfrage um das 30-fache zu senken.“
Die LENA-Plattform
Der Durchbruch von Q.ANT beruht auf der firmeneigenen LENA-Plattform, die Thin-Film Lithium Niobate (TFLN) on Insulator umfasst. Q.ANT hat dieses photonische Material seit seiner Gründung im Jahr 2018 kontinuierlich weiterentwickelt. Diese Plattform ermöglicht eine präzise Lichtsteuerung auf Chipebene. Q.ANT kontrolliert den gesamten Prozess vom Wafer bis zum fertigen Prozessor und nutzt sein tiefes Verständnis von Licht. Damit erreicht das Unternehmen eine mathematische und algorithmische Dichte, die die herkömmliche CMOS-Technologie übertrifft. So kann beispielsweise eine Fourier-Transformation, die in der herkömmlichen CMOS-Technologie Millionen von Transistoren erfordert, mit einem einzigen optischen Element durchgeführt werden. „Der neuartige Ansatz von Q.ANT für die photonische Verarbeitung ist ein bahnbrechender Schritt, um den steigenden Energiebedarf der KI-Ära zu decken„, sagt Dr. Eric Mounier, Chefanalyst, Photonics & Sensing beim Analystenhaus Yole-Group. „Dieser Durchbruch wird durch die Verwendung optimaler Materialien für optische Schaltkreise ermöglicht, die Q.ANT in den letzten Jahren entwickelt hat. Diese neue Prozessorgeneration öffnet endlich den Zugang zu überlegenen mathematischen Operationen, die auf herkömmlichen GPUs zu energieaufwändig waren. Erste Leistungssteigerungen werden bei AI-Inference und AI-Training erwartet, was den Weg für hocheffizientes, nachhaltiges KI-Computing ebnet.“
Reduzierte Berechnungsanforderungen
Die Q.ANT NPU kann die Berechnungsanforderungen für Machine-Learning, Computer-Vision oder für das Training und die Inferenz großer Sprachmodelle (LLM) reduzieren.
- Testläufe mit dem Q.ANT NPU-Demosystem in der Cloud mit MNIST-Datensätzen ergaben, dass der Native-Computing-Ansatz von Q.ANT eine mit linearen Netzen vergleichbare Genauigkeit bei weniger Energieverbrauch erreicht.
- Auch konnte in Simulationen von Kolmogorov-Arnold-Networks (KAN) Simulationen gezeigt werden, dass 43 % weniger Parameter benötigt und die Anzahl der Operationen um 46 % reduziert werden kann, was ihn als effizientere Wahl für KI-Inferenz etabliert.
- Weitere Tests und Simulationen zur Bilderkennung zeigen, dass die Q.ANT NPU deutlich schneller trainieren kann und eine genaue Erkennung mit nur 0,1 Millionen Parametern und 0,2 Millionen Operationen erreicht. Ein herkömmlicher Ansatz hat selbst bei 5,1 Millionen Parametern und 10 Millionen Operationen Mühe, akzeptable Ergebnisse zu erzielen.
Schnellere Lösungen
Außerdem ermöglicht sie schnellere Lösungen für partielle Differentialgleichungen in Physiksimulationen, vereinfacht die Zeitreihenanalyse und verbessert die Effizienz bei der Lösung von Problemen der Graphentheorie. Im Gegensatz zur Standard CMOS Technologie verarbeitet die Q.ANT NPU Daten über Licht und ermöglicht so energieeffizientere mathematische Operationen. Während ein herkömmlicher CMOS-Multiplikator 1.200 Transistoren benötigt, um eine einfache 8-Bit-Multiplikation durchzuführen, erreicht die Q.ANT NPU dies mit einem einzigen optischen Element. (vk)
