Buntes Datentreiben Forscher entwickeln neuronale Netze aus Licht

Anbieter zum Thema

Institut für Photonische Technologien e.V.

Renishaw GmbH

Weil Technology GmbH

AGTOS Gesellschaft für technische Oberflächensysteme mbH GmbH

Ein Jenaer Forschungsteam entwickelt derzeit ein KI-System in optischen Fasern mit dem neuronale Netzwerke quasi aus Licht entstehen können.

Künstliche Intelligenz (KI) ist ein Schlüsselfaktor für den Fortschritt von Biotechnologie und medizinischen Verfahren, von der Krebsdiagnostik bis zur Entwicklung neuer Antibiotika. Der ökologische Fußabdruck großer KI-Systeme ist jedoch beträchtlich, heißt es. So benötigt beispielsweise das Training von großen Sprachmodellen wie „ChatGPT-3“ gleich mehrere Gigawattstunden Energie. Genauer gesagt, eine Menge, die ausreicht, um die volle Leistungsfähigkeit eines durchschnittlichen Atomkraftwerks für Stunden zu beanspruchen. Experten am Jenaer Leibniz-IPHT haben zusammen mit ihrem internationalen Team nun aber einen innovativen Weg gefunden, um potenziell 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, wie es weiter heißt.

Eine optische Faser statt Tausende von Chips

Das Besondere an ihrem System ist, dass anstatt auf traditionelle Computerchips mit Tausenden elektronischen Bauteilen zu setzen, man hierbei nur eine einzige optische Faser benötigt. Diese Faser könne dann sogar die Arbeit verschiedenster neuronaler Netzwerke übernehmen — und das mit Lichtgeschwindigkeit. Dieses System macht es deshalb möglich, enorme Datenmengen in Zukunft schnell und effizient zu verarbeiten, indem es die einzigartigen physikalischen Eigenschaften von Licht nutzt. Eine genauere Betrachtung der Funktionsweise offenbart, wie das Mischen von Lichtfrequenzen Informationen überträgt: Daten, egal ob Pixelwerte von Bildern oder Frequenzkomponenten einer Audiospur, werden dabei auf die Farbkanäle ultrakurzer Lichtpulse geprägt. Diese Lichtpulse transportieren die Informationen durch die Faser, wo sie auf vielfältige Weise miteinander kombiniert, verstärkt oder abgeschwächt werden. Neue Farbkombinationen am Ausgang der Faser ermöglichen nun Vorhersagen über die Art oder den Kontext der verarbeiteten Daten, sagen die Jenaer. So verrieten bestimmte Farbkanäle beispielsweise, welche Objekte in Bildern zu sehen sind, oder ob in der Stimme einer Person Anzeichen für eine Krankheit erkennbar seien.

Einzigartiges Farbspektrum bildet Fingerabdruck einer Ziffer

Ein typisches Beispiel für maschinelles Lernen ist die Erkennung verschiedener Ziffern aus tausenden Handschriften. So nutzten die Forscher mit dem Team vom Institut National de la Recherche Scientifique (INRS) in Québec ihre Methode, um Bilder von handgeschriebenen Einzelzahlen auf Lichtsignale aufzuprägen und durch die Glasfaser zu klassifizieren. Die Veränderung ihrer Farbzusammensetzung erzeugt dabei am Ende der Faser ein einzigartiges Farbspektrum – eine Art „Fingerabdruck“ für jede Ziffer. Nach dem Training kann die Maschine selbst Ziffern neuer Handschriften mit deutlich geringerem Energieaufwand analysieren und erkennen. Man kann sich vereinfacht vorstellen, erklären die Experten, dass Pixelwerte in unterschiedliche Intensitäten der Grundfarben übersetzt werden. Das heißt, je nach Wert etwas mehr Rot oder weniger Blau. In der Faser vermischen sich diese Grundfarben dann zum ganzen Spektrum des Regenbogens. Der Ton des gemischten Lila im Regenbogen beispielsweise verrate dann viel über die Daten, die das System verarbeitet habe.

Bessere Covid-19-Diagnose über Stimmproben

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, wie man betont. Die Forschungspartner seien damit die Ersten, die zeigen konnten, dass ein derart farbenfrohes Wechselspiel von Lichtwellen in optischen Fasern eine direkte Klassifikation von komplexen Informationen ermöglicht – und zwar ohne weitere „intelligente“ Software.

(ID:49923535)