E-Quadrat
    • Stromerzeugung & -wandlung
    • Speicher & Energiemanagement
    • Handel & Beschaffung
    • Netze & Verteilung
    • Ladeinfrastruktur
    • E-News
    • FOKUS: Rechenzentren
    • The smarter E
    • linie
    • Newsletter
    • Mediadaten
    • Archiv
    • linie
    • Über E-Quadrat
    • Kontakt
    • linie
    • linkedin
  • Stromerzeugung & -wandlung
  • Speicher & Energiemanagement
  • Handel & Beschaffung
  • Netze & Verteilung
  • Ladeinfrastruktur
  • News
E-Quadrat
  • Stromerzeugung & -wandlung
  • Speicher & Energiemanagement
  • Handel & Beschaffung
  • Netze & Verteilung
  • Ladeinfrastruktur
  • News
  • Newsletter
  • Mediadaten
  • Archiv
  • Über E-Quadrat
  • Kontakt
  1. Home
  2. FOKUS: RECHENZENTREN
  3. Offen bei photonischen Prozessoren

Offen bei photonischen Prozessoren

27.11.24 – Statt Silizium: Mit einer lichtbasierten Datenverarbeitung geht das deutsche Startup Q.ANT neue Wege, die auch als photonisches Computing bezeichnet werden. Nun stellt das Unternehmen einen offenen Cloud-Zugang auf die Native Processing Unit (NPU) zur Verfügung, mit denen Forscher und Unternehmen neue Einblicke in die Technik gewinnen können. Im Fokus stehen High-Performance Computing (HPC), Physiksimulationen und künstliche Intelligenz.

Bild: Q.ANT GmbH

Durch die Verarbeitung von Daten mit Licht anstelle von Elektronen erledigt die photonische Native Computing-Technologie des Unternehmens komplexe Rechenaufgaben effizienter als heutige Chiptechnologien. Dies hat nach Angaben des Unternehmens das Potenzial, die digitale Landschaft komplett zu verändern. Dies soll auch energetische Vorteile mit sich bringen. Der grundlegende Unterschied besteht darin, dass die photonischen NPUs mathematische Operationen wesentlich energieeffizienter durchführen. Ein Beispiel: Während ein herkömmlicher CMOS-Prozessor 1.200 Transistoren benötigt, um eine einfache 8-Bit-Multiplikation durchzuführen, erreichen die NPUs von Q.ANT dies mit einem einzigen optischen Element. Dies ist nach Angaben des Unternehmens dreißigmal energieeffizienter. „Mit der wachsenden Nachfrage nach KI steigt auch der Bedarf an energieeffizienten Lösungen. Q.ANT ist mit einem funktionierenden photonischen Prozessor führend – weit über die Forschungsphase hinaus, in der sich die meisten anderen noch befinden“, sagt Dr. Michael Förtsch, CEO von Q.ANT. „Wir laden Forscher und Entwickler dazu ein, das reale Potenzial des photonischen Computings durch unsere praktische Demonstration zu erkunden.“

Chipmaterial TFLN

Ein Schlüsselelement ist die Q.ANT-eigene Chipmaterial-Plattform basierend auf „Thin-Film Lithium Niobate (TFLN)“. Sie ist das Rückgrat aller Q.ANT NPUs und sorgt für eine präzise Lichtsteuerung auf Chipebene. Das Startup hat diese Plattform seit seiner Gründung im Jahr 2018 entwickelt und kontrolliert die gesamte Wertschöpfungskette – vom Rohstoff bis zum fertigen Chip. Die mathematische und algorithmische Dichte wird so massiv erhöht.

„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. Gartner beschreibt Photonic Computing als ein aufkommendes Computing-Paradigma und hat Q.ANT in den jüngsten Gartner Hype Cycle-Berichten als Sample Vendor identifiziert.

In der Web-Demonstration können Benutzer*innen ein Bild einer handgeschriebenen Zahl aus der MNIST-Datenbank (Modified National Institute of Standards and Technology) auswählen. Mithilfe eines trainierten neuronalen Netzes sagt die NPU die Zahl (0-9) voraus und führt eine Matrix-Vektor-Multiplikation auf dem Photonenchip durch. Der photonische Prozessor zeigt eine Erkennungsgenauigkeit von 95 Prozent. Dies ist das erste Mal, dass ein solcher photonischer Prozessor erfolgreich in einer praktischen Anwendung eingesetzt wird. (sg)

www.native.qant.com

Twitter
LinkedIn
XING
WhatsApp
Email
Copyright © sig Media GmbH & Co. KG
  • Impressum
  • Datenschutzerklärung
  • Cookie-Richtlinie (EU)
    Cookie-Zustimmung verwalten
    Um Ihnen ein optimales Erlebnis zu bieten, verwenden wir Technologien wie Cookies, Google-Fonts oder Google-Analytics um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Merkmale und Funktionen beeinträchtigt werden.
    Funktional Immer aktiv
    Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
    Vorlieben
    Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
    Statistiken
    Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt. Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
    Marketing
    Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
    Optionen verwalten Dienste verwalten Verwalten von {vendor_count}-Lieferanten Lese mehr über diese Zwecke
    Einstellungen ansehen
    {title} {title} {title}