Die von Q.ANT entwickelte Native Processing Unit (NPU) führt komplexe Berechnungen mit Licht statt mit Elektronen aus und verspricht deshalb signifikante Verbesserungen der Rechengeschwindigkeit gegenüber herkömmlichen Prozessoren. (Bild: Q.Ant)
Das Startup Q.ANT für photonisches Computing hat die Markteinführung des ersten kommerziellen Produkts bekannt gegeben – einer photonischen Native Processing Unit (NPU), die auf der firmeneigenen Rechenarchitektur LENA (Light Empowered Native Arithmetics) basiert. Das Produkt baut auf dem Industriestandard PCI-Express auf und kann komplexe, nichtlineare Berechnungen nativ mit Licht statt mit Elektronen ausführen. Darüber hinaus verspricht die Technologie eine mindestens 30-mal höhere Energieeffizienz und signifikante Verbesserungen der Rechengeschwindigkeit gegenüber der herkömmlichen CMOS-Technologie. Die NPU ist für rechenintensive Anwendungen wie AI-Inference, Machine-Learning und Physiksimulationen vorgesehen und hat sich bei der Lösung realer Rechenprobleme bewährt, wie das Unternehmen bereits am Beispiel der Zahlenerkennung für Deep-Neural-Networks nachgewiesen hat.
Das Unternehmen kontrolliert den gesamten Prozess vom Wafer bis zum fertigen Prozessor und erreicht eine höhere mathematische und algorithmische Dichte als herkömmliche CMOS-Technologie. So lässt sich beispielsweise eine Fourier-Transformation, die in herkömmlicher CMOS-Technologie Millionen von Transistoren erfordert, mit einem einzigen optischen Element durchführen.
Daten schneller über Licht verarbeiten
Die NPU kann die Berechnungsanforderungen für Machine-Learning, Computer-Vision oder für das Training und die Inferenz großer Sprachmodelle (LLM) reduzieren. Testläufe mit dem NPU-Demosystem in der Cloud mit MNIST-Datensätzen ergaben, dass der Native-Computing-Ansatz eine mit linearen Netzen vergleichbare Genauigkeit bei weniger Energieverbrauch erreicht. Auch zeigte sich in Simulationen von Kolmogorov-Arnold-Networks (KAN), dass 43 % weniger Parameter erforderlich sind und die Anzahl der Operationen um 46 % reduziert werden kann. Weitere Tests und Simulationen zur Bilderkennung zeigen, dass die 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.
Außerdem ermöglicht der Photonikprozessor 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 NPU Daten über Licht und ermöglicht so energieeffizientere mathematische Operationen. Während ein herkömmlicher CMOS-Multiplikator 1.200 Transistoren für eine einfache 8-Bit-Multiplikation benötigt, erreicht die Q.ANT-NPU dies mit einem einzigen optischen Element.
Die NPU kann ab sofort bestellt werden und ist im Februar 2025 lieferbar. Der schlüsselfertige Native Processing Server (NPS) ist vollständig mit einer herkömmlichen Serverlandschaft kompatibel und in jedes HPC- oder Rechenzentrum integrierbar. Die intuitive Schnittstelle, das Toolkit, lässt sich nahtlos in bestehende KI-Software-Stacks integrieren und ermöglicht es Entwicklern, auf verschiedenen Ebenen zu arbeiten, von der Multiplikation bis zu optimierten neuronalen Netzwerkoperationen.