Cloud Zugang zu erstem photonischem Chip für KI-Inference

Q.ANT gibt Forschern und Entwicklern erstmals die Möglichkeit, photonisches Computing über einen Cloud-Zugang auf die Native Processing Unit (NPU) des Unternehmens zu erkunden. Durch die Verarbeitung von Daten mit Licht anstelle von Elektronen erledigt die photonische Native Computing-Technologie von Q.ANT komplexe Rechenaufgaben effizienter als heutige Chiptechnologien. Die photonische Chiptechnologie hat damit das Potenzial, die digitale Landschaft komplett zu verändern.

Licht statt Silizium

Der grundlegende Unterschied besteht darin, dass die NPUs von Q.ANT, anders als herkömmliche CMOS-Prozessoren, Daten mit Licht verarbeiten. Dieser Paradigmenwechsel ermöglicht es Q.ANT, grundlegende mathematische Operationen wesentlich energieeffizienter durchzuführen. 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. Allein für diesen Vorgang ist die Q.ANT NPU dreißigmal energieeffizienter als ihr herkömmliches CMOS-Pendant.

„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. „Diese Demonstration ist ein wichtiger Schritt, um den Energiebedarf der KI und den CO2-Ausstoß zu reduzieren.“

Chipmaterial als Schlüsselelement

Ein Schlüsselelement dieses Durchbruchs ist die 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. Kombiniert mit einem tiefen Verständnis des Lichts ermöglicht dies, die mathematische und algorithmische Dichte noch über die Dichte herkömmlicher CMOS-Prozessoren hinaus zu erhöhen.