Photonische Rechner sind für spezielle Operationen sehr gut geeignet, wieder andere Operationen lassen sich besser in elektronischer Hardware abbilden. Ideal wären „hybride Rechner“, die elektronisch arbeiten und zugleich photonische Beschleuniger enthalten. Bislang gestaltet es sich noch schwierig, photonische Beschleuniger in existierende elektronische Rechensysteme zu integrieren. Diese Ansätze sind jedoch attraktive Modelle für künftige Hochleistungsrechner, die wir erforschen, um den Rechenhunger neuer KI-Anwendungen auch langfristig zu stillen.

Wo photonische Module im Vorteil sind
Die sehr hohen Verarbeitungsgeschwindigkeiten machen photonische Rechenmodule beispielsweise für die Objekterkennung beim autonomen Fahren interessant – eine wesentliche Sicherheitsvoraussetzung. Dazu erfassen Kamera- und Sensorsysteme die Umgebung, und der Rechner muss die Daten interpretieren, damit auf das Fahrgeschehen dynamisch reagiert werden kann. KI-Verfahren, insbesondere neuronale Netzwerke, sind hierfür ein zentraler Bestandteil.
Wie schnell das Gesamtsystem reagiert, wird von der Rechenzeit der Systemkomponenten bestimmt: Je schneller die Objekterkennung erfolgt, desto schneller kann das Fahrzeug korrigiert werden – die Beschleunigersysteme beeinflussen die Sicherheit des Gesamtsystems also unmittelbar.
Weitere interessante Anwendungen bietet das Training neuronaler Netzwerke, was sehr zeit- und energieaufwendig ist. Hierzu können photonische Matrix-Vektor-Multiplikatoren genutzt werden. Sie bieten den Vorteil des hohen Datendurchsatzes, sie können effizient an unterschiedliche Anforderungen angepasst werden, und sie tragen wesentlich zu einer Reduktion des Energieverbrauchs bei.