Forschende des Jenaer Leibniz-Instituts für Photonische Technologien (Leibniz-IPHT) und der Friedrich-Schiller-Universit?t Jena haben mit einem internationalen Team eine neue Technologie entwickelt, die den hohen Energiebedarf von KI-Systemen in Zukunft deutlich reduzieren k?nnte. Das Verfahren nutzt Licht für das neuronale Rechnen und orientiert sich dabei an den neuronalen Netzwerken des menschlichen Gehirns. Dadurch wird die Datenverarbeitung nicht nur effizienter, sondern perspektivisch auch um ein Vielfaches schneller – und das bei deutlich geringerem Energieverbrauch im Vergleich zu herk?mmlichen Systemen. Ver?ffentlicht im renommierten Fachjournal ?Advanced Science“, er?ffnet ihr Ansatz neue Perspektiven für umweltfreundlichere KI-Anwendungen sowie für neue Methoden der computerlosen Diagnostik und intelligenten Mikroskopie.

Künstliche Intelligenz (KI) ist ein Schlüsselfaktor für den Fortschritt von Biotechnologie und medizinischen Verfahren, von der Krebsdiagnostik bis zur Entwicklung neuer Antibiotika. Der ?kologische Fu?abdruck gro?er KI-Systeme ist jedoch betr?chtlich. So ben?tigt beispielsweise das Training von gro?en Sprachmodellen wie ChatGPT-3 mehrere Gigawattstunden Energie – eine Menge, die ausreicht, um die volle Leistungsf?higkeit eines durchschnittlichen Atomkraftwerks für Stunden zu beanspruchen.

Prof. Dr. Mario Chemnitz, seit kurzem Juniorprofessor für 欧洲杯投注地址_明升体育-竞彩足球比分推荐 Photonische Systeme an der Friedrich-Schiller-Universit?t Jena, und Dr. Bennet Fischer vom Jenaer Leibniz-IPHT haben zusammen mit ihrem internationalen Team einen innovativen Weg gefunden, um potentiell energieeffiziente Rechensysteme zu entwickeln, die auf umfangreiche elektronische Infrastruktur verzichten. Sie nutzen dabei die einzigartigen Wechselwirkungen von Lichtwellen in Glasfasern, um ein fortschrittliches künstliches Lernsystem zu schaffen.?

Eine einzige optische Faser

Das Besondere an ihrem System: Anstatt auf traditionelle Computerchips mit Tausenden elektronischen Bauteilen zu setzen, nutzen sie eine einzige optische Faser. Diese Faser kann die Arbeit verschiedenster künstlicher neuronaler Netzwerke übernehmen — und das bei Lichtgeschwindigkeit. ?Mit einer einzigen optischen Faser bilden wir die Rechenleistung verschiedenster neuronaler Netzwerke nach”, erl?utert Mario Chemnitz, der auch die Nachwuchsforschungsgruppe ?Smart Photonics“ am Leibniz-IPHT leitet. ?Dieses System macht es m?glich, enorme Datenmengen in Zukunft schnell und effizient zu verarbeiten, indem es die einzigartigen physikalischen Eigenschaften von Licht nutzt.“

Erkrankung an der Stimme erkennen

Eine genauere Betrachtung der Funktionsweise offenbart, wie das Mischen von Lichtfrequenzen Informationen übertr?gt: Daten, seien es Pixelwerte von Bildern oder Frequenzkomponenten einer Audiospur, werden auf die Farbkan?le ultrakurzer Lichtpulse gepr?gt. Diese Lichtpulse transportieren die Informationen durch die Faser, wo sie auf vielf?ltige Weise miteinander kombiniert, verst?rkt oder abgeschw?cht werden. Neue Farbkombinationen am Ausgang der Faser erm?glichen nun Vorhersagen über die Art oder den Kontext der verarbeiteten Daten. So verraten bestimmte Farbkan?le beispielsweise, welche Objekte in Bildern zu sehen sind oder ob in der Stimme einer Person Anzeichen für eine Krankheit erkennbar sind.?

Ein typisches Beispiel für maschinelles Lernen ist die Erkennung verschiedener Ziffern aus tausenden Handschriften. So nutzten Mario Chemnitz, Bennet Fischer und das Team vom Institut National de la Recherche Scientifique (INRS) in Québec ihre Methode, um Bilder von handgeschriebenen Einzelzahlen auf Lichtsignale aufzupr?gen und durch die Glasfaser zu klassifizieren. Die Ver?nderung ihrer Farbzusammensetzung erzeugt dabei am Ende der Faser ein einzigartiges Farbspektrum – einen ?Fingerabdruck“ für jede Ziffer. Nach dem Training kann die Maschine selbst Ziffern neuer Handschriften mit deutlich geringerem Energieaufwand analysieren und erkennen.

Farbton kennzeichnet Daten

?Man kann sich vereinfacht vorstellen, dass Pixelwerte in unterschiedliche Intensit?ten der Grundfarben übersetzt werden – das hei?t, je nach Wert etwas mehr Rot oder weniger Blau“, erl?utert Mario Chemnitz. ?In der Faser vermischen sich diese Grundfarben dann zum ganzen Spektrum des Regenbogens. Der Ton unseres gemischten Lilas im Regenbogen beispielsweise verr?t uns nun viel über die Daten, die unser System verarbeitet hat.”

Das Team hat seinen Ansatz im Modellversuch auch zur Diagnose von COVID-19-Infektionen durch Stimmproben getestet, wobei die Trefferquote die bisher besten digitalen Systeme übertraf. ?Wir sind die Ersten, die zeigen konnten, dass ein derart farbenfrohes Wechselspiel von Lichtwellen in optischen Fasern eine direkte Klassifikation von komplexer Informationen erm?glicht – ohne weitere intelligente Software“, erkl?rt Mario Chemnitz.?

Mario Chemnitz ist seit Dezember 2023 Juniorprofessor für 欧洲杯投注地址_明升体育-竞彩足球比分推荐 Photonische Systeme an der Friedrich-Schiller-Universit?t Jena. Seit seiner Rückkehr vom INRS in Kanada 2022, wo er als Postdoc arbeitete, leitet Chemnitz ein internationales Team am Leibniz-IPHT in Jena. Mit Unterstützung durch die Nexus-F?rderung der Carl-Zeiss-Stiftung erforscht es die M?glichkeiten der Nichtlinearen Optik. Das Ziel: die Entwicklung intelligenter Sensorsysteme und Mikroskope ohne Computer sowie Verfahren für das Green Computing.