Lichtbasierte KI-Chips revolutionieren das maschinelle Lernen

PHILADELPHIA / MÜNCHEN (IT BOLTWISE) – Ein bedeutender Fortschritt in der KI-Technologie könnte die Art und Weise, wie neuronale Netzwerke trainiert werden, grundlegend verändern. Ingenieure der Universität von Pennsylvania haben den weltweit ersten programmierbaren Chip entwickelt, der nichtlineare neuronale Netzwerke mit Licht trainieren kann.

Die Ingenieure der Universität von Pennsylvania haben einen bemerkenswerten Durchbruch erzielt, indem sie den ersten programmierbaren Chip entwickelt haben, der in der Lage ist, nichtlineare neuronale Netzwerke mit Licht zu trainieren. Diese Innovation könnte die Geschwindigkeit des KI-Trainings erheblich erhöhen und den Energieverbrauch drastisch senken. Der Chip, der in der renommierten Zeitschrift Nature Photonics veröffentlicht wurde, nutzt Lichtstrahlen zur Durchführung komplexer nichtlinearer Operationen, die für moderne künstliche Intelligenz unerlässlich sind.

Im Gegensatz zu herkömmlichen KI-Chips, die auf Elektrizität angewiesen sind, ist dieser neue Chip photonisch und führt Berechnungen mit Lichtstrahlen durch. Liang Feng, Professor für Materialwissenschaften und Elektrotechnik an der Universität von Pennsylvania, erklärt, dass nichtlineare Funktionen entscheidend für das Training tiefer neuronaler Netzwerke sind. Das Ziel war es, diese Funktionen erstmals in der Photonik zu realisieren.

Die meisten heutigen KI-Systeme basieren auf neuronalen Netzwerken, die so konzipiert sind, dass sie biologisches Nervengewebe nachahmen. In diesen Systemen feuern die Knoten nur, wenn ein Schwellenwert erreicht wird, was ein nichtlinearer Prozess ist. Ohne diese Nichtlinearität reduziert sich das System auf eine einfache lineare Operation, bei der keine echte Lernfähigkeit vorhanden ist.

Während viele Forschungsteams bereits lichtbetriebene Chips entwickelt haben, die lineare mathematische Operationen ausführen können, hat bisher niemand die Herausforderung gelöst, nichtlineare Funktionen ausschließlich mit Licht darzustellen. Der neue Chip der Universität von Pennsylvania ist in der Lage, dies zu tun, indem er Licht selbst nutzt, um Muster innerhalb des Materials zu erzeugen, die dann die Bewegung des Lichts durch das Material umgestalten.

Die Flexibilität des Chips ermöglicht es ihm, in Echtzeit zu lernen und sein Verhalten basierend auf Rückmeldungen aus seinen Ausgaben anzupassen. In Tests erreichte die Plattform über 97 % Genauigkeit bei einer einfachen nichtlinearen Entscheidungsgrenze und über 96 % bei dem bekannten Iris-Blütendatensatz, einem Standard im maschinellen Lernen.

Diese Effizienz deutet darauf hin, was möglich ist, wenn die Architektur skaliert wird. Im Gegensatz zu früheren photonischen Systemen, die nach der Herstellung festgelegt sind, beginnt der Penn-Chip als leere Leinwand. Das Pumplicht wirkt wie ein Pinsel, der neu programmierbare Anweisungen in das Material zeichnet.

Die Forscher glauben, dass ihr Ansatz in Zukunft noch leistungsfähigere Operationen ermöglichen könnte, wie exponentielle oder inverse Funktionen. Dies könnte den Weg für photonische Systeme ebnen, die große Aufgaben wie das Training großer Sprachmodelle bewältigen können. Durch den Ersatz von wärmeerzeugenden Elektronikkomponenten durch energiearme optische Komponenten verspricht die Plattform auch, den Energieverbrauch in KI-Rechenzentren drastisch zu senken.

Dieser Fortschritt könnte der Beginn der photonischen Datenverarbeitung als ernsthafte Alternative zur Elektronik sein. Die Universität von Pennsylvania, der Geburtsort des ENIAC, des weltweit ersten digitalen Computers, könnte mit diesem Chip den ersten echten Schritt in Richtung eines photonischen ENIAC gemacht haben.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!