Für Energie-effizientes High-Performance-Computing und Real-Time AI Q.ANT bringt ersten kommerziellen Photonik-Prozessor auf den Markt

Anbieter zum Thema

Q.ANT GmbH

Schneider Electric GmbH

DAXTEN GmbH

Kentix GmbH

Die erste „Native Processing Unit“ von Q.ANT verspricht eine mindestens 30-fache Verbesserung der Energie-Effizienz und einen erheblichen Leistungsschub. Das rückt die Nachhaltigkeit von Rechenzentren in greifbare Nähe, sagt der Hersteller.

Das Stuttgarter Startup Q.ANT hat gestern die Markteinführung seines ersten kommerziellen Produkts bekannt gegeben: eine photonischen Native Processing Unit (NPU), die auf der firmeneigenen Rechenarchitektur „Lena“ (Light Empowered Native Arithmetics) basiert. Da das Produkt auf dem Industriestandard PCI-Express aufbaut, ist es mit dem heutigen Computing-Ecosystem kompatibel.

Die Q.ANT NPU kann komplexe, nicht-lineare Berechnungen nativ mit Licht statt mit Elektronen ausführen. Darüber hinaus verspricht die Technologie eine mindestens 30-mal höhere Energie-Effizienz und signifikante Verbesserungen der Rechengeschwindigkeit gegenüber der herkömmlichen CMOS-Technologie.

Die Q.ANT-NPU wurde für rechenintensive Anwendungen wie AI-Inference, Machine-Learning und Physiksimulationen entwickelt und hat sich bereits bei der Lösung realer Rechenprobleme bewährt, wie Q.ANT am Beispiel der Zahlenerkennung für Deep-Neural-Networks nachgewiesen hat (siehe: Kasten). Eien laut Hersteller intuitive Schnittstelle der Q.ANT-NPU, das „Q.ANT-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.

Michael Förtsch, CEO von Q.ANT, erläutert: „Mit unserer photonischen Chiptechnologie, die jetzt über die Standard-PCIe-Schnittstelle verfügbar ist, bringen wir die unglaubliche Leistungsfähigkeit der Photonik direkt in reale Anwendungen. Wir machen damit ein deutliches Statement: Leistung und Nachhaltigkeit können Hand in Hand gehen.“ Zum ersten Mal könnten Entwickler KI-Anwendungen erstellen und die Möglichkeiten des photonischen Rechnens erkunden, insbesondere für komplexe, nichtlineare Berechnungen.

Als Beispiel nennt er: „Experten haben beispielsweise errechnet, dass eine 'GPT-4'-Anfrage heute 10-mal mehr Strom verbraucht als eine normale Internet-Suchanfrage. Unsere photonischen Chips bieten das Potenzial, den Energieverbrauch für diese Abfrage um das 30-fache zu senken.“

Der Durchbruch von Q.ANT beruht auf der firmeneigenen Lena-Plattform, die 'Thin-Film Lithium Niobate on Insulator' umfasst ((TFLN) ). Q.ANT hat dieses photonische Material seit seiner Gründung im Jahr 2018 kontinuierlich weiterentwickelt. Diese Plattform ermöglicht eine präzise Lichtsteuerung auf Chipebene.

Q.ANT kontrolliert den gesamten Prozess vom Wafer bis zum fertigen Prozessor. Damit erreicht das Unternehmen eine mathematische und algorithmische Dichte, die die herkömmliche CMOS-Technologie übertrifft. So lässt sich eine Fourier-Transformation, die in der herkömmlichen CMOS-Technologie Millionen von Transistoren erfordert, mit einem einzigen optischen Element ausführen.

Dazu ein Beispiel: Während die grundlegende mathematische Funktion einer Fourier Transformation Tausende bis Zehntausende komplexer Multiplikationen erfordert, was Millionen von Transistoren entspricht, erreicht die Optik dies mit einem einzigen Element.

Förtsch erläutert: „Der Schlüssel zur Nutzung des Potenzials des Lichts für die Datenverarbeitung liegt in der durchgängigen Kontrolle des Lichts. Jeder Kompromiss verringert die Erfolgswahrscheinlichkeit drastisch. Deshalb haben wir bei Q.ANT im Gegensatz zu allen unseren Wettbewerbern den Deep-Tech-Ansatz gewählt und eine überlegene Chip-Plattform für die Lichtverarbeitung entwickelt.“ so Förtsch.

Verschiebungen in der Branche

Die Halbleiterindustrie wendet sich neuen Technologien zu, um dem wachsenden Bedarf an Rechenleistung gerecht zu werden. Diese Nachfrage nach leistungsstarken und dennoch Energie-effizienten Technologien wird durch den weit verbreiteten Einsatz von KI weiter angeheizt. Neben dem Training neuer großer Sprachmodelle ist die Kl-lnferenz eine besonders energieintensive KI-Anwendung, und die NPUs von Q.ANT sind eine vielversprechende Lösung.

Gartner® beschreibt Photonic Computing als ein aufkommendes Computing-Paradigma, das die Herausforderungen in Bezug auf Leistung und Energieverbrauch in KI und Rechenzentren angehen könnte. Q.ANT hat in den jüngsten „Hype Cycle“-Berichten von Gartner als 'Sample Vendor' identifiziert.

Es werde Licht!

Intel setzt auf Silizium­photonik mitsamt On-Chip-Lasertechnik

Eric Mounier, Chefanalyst, Photonics & Sensing beim Analystenhaus Yole-Group, äußert: „Der neuartige Ansatz von Q.ANT für die photonische Verarbeitung ist ein bahnbrechender Schritt, um den steigenden Energiebedarf der KI-Ära zu decken. Dieser Durchbruch wird durch die Verwendung optimaler Materialien für optische Schaltkreise ermöglicht, die Q.ANT in den letzten Jahren entwickelt hat.“

Das Potenzial

Auch er bekräftigt im Bericht „Optical Computing Report, 2024“ von Yole Intelligence: „Diese neue Prozessorgeneration öffnet endlich den Zugang zu überlegenen mathematischen Operationen, die auf herkömmlichen GPUs zu energieaufwändig waren. Erste Leistungssteigerungen werden bei AI-Inference und AI-Training erwartet, was den Weg für hocheffizientes, nachhaltiges KI-Computing ebnet.“

Laut Yole Intelligence wird der Silicon-Photonics-Markt von 68 Millionen Dollar im Jahr 2022 auf über 600 Millionen Dollar bis 2028 wachsen – mit einer jährlichen Wachstumsrate von 44 Prozent: Q.ANT positioniert sich als Vorreiter in diesem Zukunftsmarkt.

Verfügbarkeit

Die Q.ANT-NPU ist ab sofort bestellbar und ab Februar 2025 lieferbar. Der Prozessor ist als schlüsselfertiger „Native Processing Server“ (NPS) erhältlich, der vollständig mit einer herkömmlichen Serverlandschaft kompatibel ist und in jedes HPC- oder Rechenzentrum integriert werden kann.

Für Preise und weitere Details oder eine Vorbestellung wenden Sie sich bitte an native-computing@qant.gmbh.

(ID:50242141)