Technology Review 4/2018
S. 10
Aktuell

Laserschwert für Big Data

Lange lagen optische Computer im Dornröschenschlaf. Nun reanimieren Massen an Daten für das maschinelle Lernen und die DNA-Analyse das Interesse am Rechnen mit Licht.

Foto: Shutterstock

Der rasante Aufstieg des maschinellen Lernens machte bisher vor allem ein Unternehmen groß und reich, das Spezialchips für diesen Zweck herstellt – seien sie nun für autonome Autos oder die Bilderkennung: Nvidia. Doch seine Vormachtstellung könnte bald bröckeln. Weltweit arbeiten Forscher an Alternativen, die schneller sind und sehr viel weniger Energie verbrauchen. Ein Ansatz sind optische Chips, die jüngst für beträchtliches Aufsehen gesorgt haben.

An sich sind optische Rechner nicht neu. Bereits in den 1960er-Jahren forschten Wissenschaftler daran. Die Lichtrechner eigneten sich jedoch nur für spezielle Anwendungen wie Mustererkennung. Sie detektierten etwa Teilchenspuren in Teilchenbeschleunigern oder erkannten feindliche Panzer auf Satellitenbildern. Weil sich aber der universell einsetzbare Computer rasant entwickelte und solche Aufgaben ebenfalls effizient löste, gerieten Lichtrechner ins Hintertreffen.

2017 stellten US-Forscher nun ein neuronales Netz auf einem photonischen Chip vor. Durch seine Leiterbahnen fließen keine Elektronen, sondern Lichtwellen. Der Chip erkennt Vokale in gesprochener Sprache, und das recht zuverlässig, wie die Forscher um Yichen Shen vom Massachusetts Institute of Technology im Fachmagazin „Nature Photonics“ schrieben.

Die Demonstration hat verschiedene Investoren offenbar derart überzeugt, dass sie gleich zu zwei neuen Start-ups führte: Shen gründete Lightelligence und konnte zehn Millionen Dollar Risikokapital einsammeln. Größter Investor ist Baidu Ventures, eine Investmenttochter des chinesischen Internetriesen Baidu. Sein ehemaliger Kollege Nicholas Harris gründete Lightmatter mit elf Millionen Dollar Startkapital.

Beide wollen den 2017 vorgestellten Chip weiterentwickeln. Mit 56 programmierbaren Interferometern schufen Shen und seine Kollegen seinerzeit so etwas wie einen hochverdichteten Rangierbahnhof für Lichtwellen. In eine wenige Millimeter kleine Siliziumscheibe ätzten die Forscher dünne Bahnen, die das Licht leiten. Diese bilden ein maschendrahtähnliches Muster aus Kreuzungen. Treffen zwei Lichtwellen an einer Kreuzung zusammen, überlagern sie sich. Das abgehende Signal ist eine Addition aus beiden Eingangssignalen. Die Lichtwellen können zwischen den Kreuzungen unterschiedlich stark in ihrer Phase verschoben werden. So lässt sich die Stärke einer neuronalen Verbindung einstellen.

Alle Kreuzungen zusammen bilden ein Netz aus 16 Neuronen in vier Schichten. Dies ist nicht viel im Vergleich zu aktuellen neuronalen Netzen, aber die Forscher sind sich sicher, dass sie mit dieser Technologie auch ein Netz mit einigen Tausend Neuronen realisieren können.

Die Überlagerung der Lichtwellen kostet keine Energie – bis auf die Lichtversorgung selbst. Zudem steigt der Energieverbrauch bei einer Verdopplung der Neuronen nicht mehr im Quadrat wie bei einem klassischen neuronalen Netz, sondern nur noch linear. Denn jede Lichtwelle kreuzt alle anderen und ist somit an mehreren Additionen beteiligt. Zudem arbeite der Chip hundertmal schneller als ein softwarebasiertes neuronales Netz, schreiben die Forscher – die Überlagerung der Lichtwellen benötigt kaum Zeit und erledigt die Additionen parallel.

Die erste Version funktionierte leidlich – wenn auch nicht perfekt: Sie erkannte 138 von 180 Vokalen, ein gleich großes klassisches neuronales Netz hingegen 165. Den Unterschied erklären die Forscher mit Ungenauigkeiten beim Justieren der Lichtphase und beim Detektieren der Ausgangssignale. Beides lasse sich verbessern.

David Miller von der Stanford University, der nicht an der Arbeit beteiligt war, nennt weitere offene Fragen, etwa wie schnell sich Daten aus einem elektronischen Computer in das optische Neuronennetz einspeisen lassen.

Ob die beiden US-Start-ups das Rennen machen, ist also noch offen. Zumal ihnen ein britischer Konkurrent bereits ein Stück voraus ist: Das Start-up Optalysys, das einen optischen Spezialchip für die Suche in Gendaten entworfen hat, kann bereits auf erste Tests verweisen. Der Chip erzielte kürzlich beim Abgleich genetischer Daten eine 90 Prozent höhere Energieeffizienz als konventionelle Computer und soll laut Optalysys zehnmal schneller als eine P6000-Grafikkarte von Nvidia rechnen. Die Briten haben ihr Werkzeug als Cloud-Dienst für einige Genetik-Institute in aller Welt zum Betatest bereitgestellt.

Beim Optalysys-Chip durchdringt ein Laserstrahl einen speziellen Flüssigkristallbildschirm. Dessen Pixel repräsentieren die Eingabedaten – eine 1 entspricht einem hellen Bildpunkt, eine 0 einem schwarzen. Hinter dem Schirm werden die Lichtwellen durch eine Linse überlagert. Dabei bilden sie eine sogenannte Fourier-Transformation der Helligkeitsverteilung des Datenfeldes. Überlagert man mehrere dieser transformierten Datenfelder, kann man auf einen Schlag jedes Datenfeld des einen Datensatzes mit allen anderen Datenfeldern des zweiten Datensatzes verknüpfen. So ist extrem schnelles, massiv paralleles Rechnen möglich. Christian J. Meier

Messtechnik

Schneller als die Kugel

Hochgeschwindigkeitsaufnahme einer Pistolenkugel. Foto: Herra Kuulapaa/Sciene Photo Library

Wissenschaftler des Karlsruher Instituts für Technologie (KIT) und der Technischen Hochschule Lausanne (EPFL) haben die Flugbahn einer Gewehrkugel mit einem neu entwickelten ultraschnellen Lidar-System vermessen. Dazu zeichneten Tobias Kippenberg und seine Kollegen mehr als 100 Millionen Abstandswerte pro Sekunde auf.

Im Fachmagazin „Science“ beschrieben die Wissenschaftler jetzt die wissenschaftlichen Details (DOI: 10.1126/science.aao3924). Herz des Systems ist eine neuartige, sehr kompakte, an der EPFL entwickelte Laserquelle für sogenannte optische Frequenzkämme. Sie bestehen aus Licht mit einer Vielzahl von genau definierten Wellenlängen – das Spektrum gleicht dann den Zähnen eines Kamms. Wenn die Struktur eines solchen Kamms bekannt ist, kann das Interferenzmuster, das sich aus der Überlagerung mit einem zweiten Frequenzkamm ergibt, zur Bestimmung der vom Licht zurückgelegten Wegstrecke herangezogen werden.

Im nächsten Schritt wollen die Forscher nun „die verbleibenden Hindernisse für die technische Anwendung beseitigen“. Ultraschnelle Lidar-Sensoren könnten beispielsweise in autonomen Drohnen eingesetzt werden. Bis dahin haben die Forscher aber noch einiges zu tun. So sei die Reichweite der Methode noch immer auf Entfernungen von weniger als einem Meter beschränkt, und noch gelingt die Auswertung der Daten nicht in Echtzeit, schreiben sie. Ihr Ziel: „Ein kompaktes Design, das eine hochpräzise Messung ermöglicht und gleichzeitig in das Volumen einer Streichholzschachtel passt“. WOLFGANG STIELER