Quantenemitter: Diese Nanostruktur könnte optische KI-Chips millionenfach sparsamer machen

Optische neuronale Netze sollen Künstliche Intelligenz schneller und sparsamer machen. Licht kann Matrixrechnungen extrem schnell und parallel ausführen, und genau solche linearen Operationen bilden den Kern moderner KI-Modelle. Tiefe neuronale Netze benötigen zwischen ihren Rechenschichten jedoch zusätzlich nichtlineare Aktivierungsfunktionen, die komplexe Muster ermöglichen, statt Eingaben nur proportional umzurechnen. Genau hier scheitern rein optische Systeme bislang: Photonen wechselwirken nur schwach miteinander, weshalb bekannte optische Materialien erst bei hohen Lichtintensitäten ausreichend nichtlinear reagieren. Ein Team der University of Wisconsin-Madison um den Doktoranden Qingyi Zhou und Professor Zongfu Yu hat nun eine Nanostruktur entworfen, die dieses Problem lösen könnte, indem sie einen einzelnen Quantenemitter nutzt.

Ein Farbzentrum im Diamant als Schalter

Die Forscher:innen kombinieren einen Quantenemitter mit einer computergestützt entworfenen nanophotonischen Struktur aus Galliumphosphid auf Diamant. Als Emitter modellierten sie ein Silizium-Leerstellen-Farbzentrum, einen atomaren Defekt im Diamantgitter, dessen optische Antwort sich schon bei sehr wenigen Photonen stark verändert. Das Team optimierte die Geometrie so, dass Licht möglichst stark an den Emitter koppelt und dabei nur geringe Verluste entstehen. Vollwellensimulationen zeigen einen relevanten nichtlinearen Effekt bereits bei rund 0,24 Nanowatt pro Quadratmikrometer. Diese Ausdrucksstärke soll mit typischen digitalen Aktivierungsfunktionen vergleichbar sein, benötigt dafür aber ein Vielfaches weniger Lichtleistung.

Millionenfach sparsamer als bisherige Ansätze

Zum Vergleich berechnete das Team, wie viel Lichtleistung zwei etablierte nichtlineare Materialien für eine ähnliche Wirkung bräuchten. Gestapeltes Graphen kommt demnach auf etwa 0,02 Watt pro Quadratmikrometer, ein Silizium-Wellenleiter sogar auf mehr als 72,6 Watt pro Quadratmikrometer. Die Quantenaktivierung benötigt damit rechnerisch eine rund 83 Millionen Mal geringere Intensität als Graphen und eine rund 300 Milliarden Mal geringere als Silizium. In simulierten optischen neuronalen Netzen löste das Konzept zudem nichtlineare Klassifikationsaufgaben und schnitt bei Reinforcement-Learning-Tests wie Pong und HalfCheetah deutlich besser ab als rein lineare Vergleichsnetze.

Nichtlinearität ist nicht der einzige Engpass

Für große Sprachmodelle schätzten die Wissenschaftler:innen zusätzlich ab, wie viel optische Leistung allein die nichtlinearen Aktivierungen benötigen würden. Für die untersuchten Modellgrößen blieb dieser theoretische Wert bei der Quantenarchitektur unter 1,2 Watt. Diese Zahl beschreibt jedoch ausdrücklich nicht den gesamten Energiebedarf eines künftigen Systems, denn Lichtquellen, Modulatoren, Detektoren, Speicher und Steuerung sind darin nicht enthalten. Auch die physische Skalierung bleibt offen, denn heutige integrierte photonische Schaltkreise liegen weit unter der Größenordnung moderner Sprachmodelle. Die Studie zeigt vor allem, dass die Nichtlinearität selbst bei einem geeigneten Quantenemitter nicht zwangsläufig der entscheidende Energieengpass eines optischen KI-Systems sein müsste.

Emitter wurde bisher noch nicht gebaut

Gebaut haben die Forscher:innen die Struktur bislang nicht, das gesamte Konzept beruht auf Simulationen. Zhou hat die Literatur dennoch daraufhin geprüft, ob sich das Design mit heutigen Materialien und Techniken realisieren lässt. Auch andere Quantenemitter wie Quantenpunkte oder neutrale Atome könnten seiner Einschätzung nach funktionieren und die Leistung des Systems weiter verbessern. „Angesichts der jüngsten Fortschritte bei der diamantbasierten Quantenphotonik glaube ich, dass unser Vorschlag mit heutiger Technik erreichbar ist“, sagt Zhou. Ob sich die Architektur tatsächlich fertigen, in großer Zahl koppeln und stabil betreiben lässt, muss nun die experimentelle Praxis zeigen, bevor Quantenemitter einen energiearmen Weg zu vollständig optischen neuronalen Netzen eröffnen könnten. Die Studie ist im Fachmagazin Nature Communications erschienen.

via University of Wisconsin-Madison School of Engineering