Qant-CEO Michael Förtsch zum Stand analogen Rechnens mit Licht Photonische Chips sind ein Formel-1-Bolide… und nahezu startklar

Anbieter zum Thema

Q.ANT GmbH

Vertiv GmbH

DAXTEN GmbH

Data Center Group – Büro Köln

Durch Rechnen mit Licht statt Strom kann der Stromverbrauch von KI-Rechenzentren 90-fach sinken, verspricht das Stuttgarter Startup Qant. CEO Michael Förtsch erklärt, wieso herkömmliche Chips bei komplexen Aufgaben ineffizient sind und wo Qant bei Marktreife und Skalierung photonischer Chips steht.

Wir versuchen uns an der KI-Revolution mit den falschen, veralteten Werkzeugen. Kein Wunder, dass der Stromverbrauch durch die Decke geht. Diese These vertritt Michael Förtsch, Gründer des Stuttgarter Photonik-Startups Qant, im Gespräch bei den DataCenter-Diaries. „Wir wollen Künstliche Intelligenz, nutzen aber Prozessoren, die nie dafür geschaffen waren. Diese ineffiziente Zusammenkopplung erzeugt sehr viel Verlust oder andersherum sehr viel Stromverbrauch.“ Grund dafür sei letztlich, dass „wir uns auf der fundamentalen Ebene nie mit den Bedürfnissen dieser neuen Mathematik auseinandergesetzt haben“.

In der Folge #61 der DataCenter Diaries „Michael Förtsch: Photonik ändert die Gesetzmäßigkeiten“ diskutiert Michael Förtsch im Gespräch mit der Chefredakteurin von DataCenter-Insider Ulrike Ostler den Stand des analogen Rechnens mit Licht und Anwendungsszenarien für Rechenzentren.

Zudem geht es um die Herausforderungen bei der Skalierung, Konkurrenz und Kompatibilität mit klassischen Hardware, Produktions- und Lizenzierungsmodelle sowie die Rolle von Quantencomputing im Zusammenspiel mit photonischen Chips.

Die Podcast-Folge #61 der DataCenter Diaries findet sich auf Spotify, Apple Podcasts, Deezer und Amazon Musik.

Rechnen mit drei Grundfunktionen falscher Ansatz für KI

Ein gewöhnlicher CMOS-Chip (Complementary Metal-Oxide-Semiconductor) mit einer sogenannten Von-Neumann-Architektur, ob CPU oder GPU, erklärt Förtsch, basiert Berechnungen auf wenigen „Grundfunktionen“: der Addition, der Multiplikation und dem Verschieben von Bits (Shiften) im Chip-Register. Komplexe Funktionen werden dann über logische Operatoren auf diese drei Grundelemente runtergebrochen. Dies habe bei arithmetischen Aufgaben und der Datenverarbeitung insgesamt über Jahrzehnte effektiv funktioniert. Ein immer weniger tragbarer Overhead entstehe aber, wenn es um die Abbildung komplexer natürlicher Phänomene und Prozesse gehe, gerade auch bei neuronalen Netzen und darauf basierenden KI-Workloads.

Deep Learning mit Licht und Schall

Das Können photonischer Chips und des opto-akustischen Neuromorphismus

Beispielsweise brauche man, so der Qant-CEO, „sehr viele Datenpunkte, um einen Kreis annäherungsweise in der digitalen Welt zu erschaffen. Viele Daten heißt viel Speicher, viel Speicher heißt viel Strom. So ist der Prozessor am Ende des Tages sehr viel mit Aufgaben beschäftigt, die nur Hilfsfunktionen für die eigentliche Aufgabe sind. Hätte ich bestimmte mathematische Funktionen hingegen auf dem Chip verfügbar, zum Beispiel die Sinus-Funktion, dann bräuchte ich stattdessen genau zwei Parameter, um [einen Kreis] zu beschreiben. Ich müsste nicht mehr 1000 Datenpunkte über den Chip schieben“.

Ein analoges Rechenwerk mit Licht

Mit Qant arbeitet der am Max-Planck-Institut für die Physik des Lichts promovierte Physiker an einer grundsätzlichen Alternative, einem „analogen Rechenwerk“ mit einem größeren Arsenal mathematischer Grundfunktionen. Die effizienteste Grundlage dafür sei Licht statt Strom. Die Erfindung des Lasers habe ermöglicht, Licht hochpräzise zu steuern. Zudem müsse Licht nicht wie Elektronen ständig „angestoßen“ werden, sondern wird einmal erzeugt und „propagiert“ dann eigenständig, bewegt sich also, ohne einen signifikanten elektrischen Widerstand überwinden zu müssen. So brauche ein von Qant gebauter photonischer Prozessor (Native Processing Unit) der zweiten Generation „um einen Faktor Dreißig weniger Strom als seine digitalen Counterparts.  Der wird nicht mehr heiß“.

Ein Realitätscheck für die Platzhirsche des Westens

KI-Chips auf der Speisekarte - die Chinesen räumen ab!

Mit einem analogen Rechenwerk könne man dann „sehr aufwendige Funktionen sehr einfach darstellen“ und so „den Daten-Overhead um den Faktor 50 und mehr“ reduzieren, betont Förtsch. Das ermögliche ganz neue Anwendungen, „deren Realisierung auf einem digitalen Chip viel zu umständlich wäre“. So arbeite Qant gerade daran, mit einem photonischen Chip Bilder aus einem neuronalen Netz mit einer Taktrate von 100 Hertz hochauflösend und in Echtzeit darzustellen, womit man also „in Echtzeit KI-basierte Filme schauen“ könne.

Dreißig Gigahertz? Locker!

Zwar nutze Qant weiterhin Silizium als Trägerplattform und behalte so eine Kompatibilität mit vielen aktuellen Herstellungsverfahren der Halbleiterindustrie bei. Die darauf platzierte Lithiumniobat-Dünnschicht aber erlaube es, den photonischen Schaltkreis über ein elektrisches Feld durch Spannungsänderungen genau und nahezu ohne elektrischen Widerstand zu steuern. Der Unterschied in der möglichen Leistung sei beträchtlich: „während man im Silizium Taktraten von einigen hundert Megahertz erreicht, erreichen wir locker zwei, zehn, dreißig Gigahertz“. Entscheidend sei daneben auch Präzision: „Wir haben einen analogen Schaltkreis gebaut, der bei der Rechenpräzision mit einem digitalen Schaltkreis mithalten konnte“. Dieser sogenannte 16-Bit-Floating-Point-Äquivalent sei eine Hürde, an der frühere analoge Technologien gescheitert seien, bei der sich die Qant-Prozessoren aber bewiesen hätten.

Blaupause für Chipindustrie

Qant und IMS Chips wandeln Halbleiterfertigung in Zukunftsschmiede für photonische KI-Chips um

Im Rahmen einer Pilotproduktion könne Qant aktuell „50–60.000 Chips“ jährlich in Stuttgart herstellen, wobei gut die Hälfte für die weitere Chipentwicklung genutzt werde. Ein Teil der Chips werde aber bereits an Rechenzentren für den Produktionsbetrieb ausgeliefert: verpackt in 19-Zoll-Server mit drei Höheneinheiten mit bis zu vier photonischen Chips auf PCIe-Karten. Momentan kämen die meisten Kunden aus dem Forschungsbereich (so das Jülich Supercomputing Centre oder das Leibniz-Rechenzentrum), Qant sei aber gerade dabei, über neue Partnerschaften auch in den kommerziellen Bereich zu expandieren.

„Die Killeranwendung schulden wir der Welt noch“

Zugleich seien es gerade die Forschungseinrichtungen, die die passenden Algorithmen für photonische Prozessoren entwickeln und damit auch jenseits der Hardware-Basis an der Entstehung sinnvoller Einsatzfelder mitwirken. Denn habe Qant zwar grundsätzlich bei Themen wie der „bildbasierten KI einen Vorsprung gegenüber der etablierten Digitalindustrie“ gezeigt. „Aber die Killer-Anwendung, die schulden wir der Welt noch“, räumt Förtsch ein.

Photonik „made in Germany“

Photonische Chips: Rechnen mit Licht für Cloud und KI

Auch die Aufholjagd mit aktuellen CMOS-Prozessoren müsse Qant erst noch bewerkstelligen, auch wenn die Technologie jährlich große Sprünge mache. „Wir haben gefühlt gestartet mit den Äquivalent [einer CPU] von 1970. Mit der Gen 1, die wir letztes Jahr vorgestellt haben, waren wir beim Niveau des Anfangs der 1990er Jahre. Und mit der Gen 2, die wir gerade auf der SC25 in St. Louis vorgestellt haben, waren wir in der Mitte der 2000er angekommen. Wir machen weiter und wissen auch schon, was wir nächstes Jahr bringen“.

(ID:50673023)