Glasfaser statt neuronales Netz: Forschende haben ein lichtbasiertes KI-System entwickelt, das ohne komplexe digitale Netzwerke auskommt. Seine Basis bildet stattdessen eine einzige photonische Faser. In ihr erzeugen nichtlineare Wechselwirkungen von Lichtpulsen mit dem Wellenleiter ähnliche Effekte, wie sie bei der Datenverarbeitung durch neuronalen Netzwerke entstehen. In ersten Tests absolvierte das photonische KI-System bereits mehrere gängige KI-Benchmarks mit hoher Trefferquote.
Künstliche Intelligenzen wie ChatGPT, Gemini oder die Bildgeneratoren basieren auf neuronalen Netzen – mehrschichtigen digitalen Netzwerken aus Knoten und Verbindungswegen. Ähnlich wie bei den verschalteten Synapsen unseres Gehirns verändert das Training der KI-Systeme die Gewichtungen der verschiedenen Routen durch diese Netzwerke. Doch diese digitalen KI-Systeme haben einen Haken: Sie benötigen aufgrund ihrer wenig effizienten Architektur und der digitalen Schritt-für-Schritt-Rechenweise enorme Mengen Energie für Training und Betrieb.
Eine mögliche Lösung für dieses Effizienz-Problem könnten jedoch photonische analoge Computersysteme bieten. Diese Systeme arbeiten nicht mit Nullen und Einsen, sondern mit den Merkmalen einer Lichtwelle – Parametern, die sich kontinuierlich und auf vielfältige Weise verändern können. Der Vorteil: „Das Rechnen mit Licht ermöglicht die parallele Verarbeitung in verschiedenen optischen Freiheitsgraden“, erklären Bennet Fischer vom Leibniz-Institut für Photonische Technologien in Jena und seine Kollegen.

Eine Glasfaser als photonisches KI-System
Doch ob solche photonischen Analogcomputer auch leistungsfähig genug für die künstliche Intelligenz sind und wie solche photonischen KI-Systeme aussehen könnten, war bisher unklar. An diesem Punkt setzen Fischer und sein Team an. Sie haben ein neuromorphes photonisches System entwickelt, das so lernfähig ist wie eine klassische KI – aber mit einem Bruchteil der Energie auskommt.