Gehirn funktioniert: Die Verschaltun- gen innerhalb des optischen Neurona- len Netzes verändern sich im Zuge von Lernprozessen. Ziel ist es auch hier, KI- Anwendungen signifikant schneller und energieeffizienter zu machen. Während PICs überwiegend auf Bau- elementen aus Halbleitermaterialien und Glas basieren, widmet sich ein weiteres Forschungsgebiet photonischen Bauele- menten aus organischen Molekülen: Die molekulare Optoelektronik nutz chemi- sche Bindungen und deren Manipulation für optische Schaltvorgänge. Ein Team des Fritz-Haber-Instituts der Max-Planck-Ge- sellschaft entwickelt beispielsweise einen molekularen Schalter für optische Raman- Signale. Dieses und weitere Experimente sollen den Grundstein für Einzelmole- külbauelemente legen, um den Schritt von der Nano- zur Piko-Optoelektronik zu vollziehen. Photonen-Qubits unterstützen sichere Kommunikation Quantenphotonik erschließt neue An- wendungen in der Kommunikation und in der Informationssicherheit. Methoden der Quantenverschlüsselung für sichere Datenübertragung nutzen die einzigarti- gen Eigenschaften einzelner Photonen. Ein Beispiel gibt ID Quantique (IDQ) aus Genf/Schweiz, das Generatoren für die Quantenschlüsselverteilung (Quantum Key Distribution, QKD) entwickelt. QKD spielt in der quantengesicherten Kom- munikation eine zentrale Rolle. Anhand von Einzelphotonendetektion wird da- bei eine absolut zufällige Schlüsselge- nerierung sichergestellt, was klassische Verschlüsselungsmethoden übertrifft. IDQ forscht zudem an der Verbesserung quantensicherer Zufallszahlengenerato- ren (Quantum Random Number Gene- rators, QRNGs), die für Verfahren der künftigen Post-Quanten-Kryptografie er- forderlich sind. Nach Unternehmensaus- sage sind Quantis-Produkte von IDQ die kleinsten kommerziellen QRNG-Chips und beispielsweise für Smartphone- oder Automobilanwendungen geeignet. Das photonische Quantencomputing gilt als vergleichsweise stabil und – dank der Fortschritte in der (3-D-) Photonikintegration und der Silizi- umphotonik – besonders gut skalier- bar. Lichtbasierte Qubit-Manipulation wird die Effizienz komplexer Berech- nungen drastisch steigern, und die Technologie wird entscheidende Ver- besserungen bei Leistungsfähigkeit und Energieeffizienz bewirken. Auch das Stuttgarter Start-up Q.ant, eine Ausgründung des Laserspezialisten Trumpf, war 2018 mit der Überzeu- gung gestartet, dass es nicht Elektro- nen und Strom sein werden, sondern Licht, das die Datenverarbeitung der Zukunft revolutioniert. Sieben Jahre später, im Februar 2025, fiel der Start- schuss für den Aufbau der ersten Pi- lotanlage zur Herstellung der Native Processing Unit (NPU) von Q.ant. Sie ist nach Aussage von CEO Dr. Michael Förtsch keine Stand-alone Solution sondern ein analoger photonischer > > > VON DIGITAL ZU ANALOG: PHOTONISCHES RECHNEN FÜR KÜNSTLICHE INTELLIGENZ 35 Ein analoger Prozessor für die Zukunft der Datenverarbeitung? Q.ant- CEO Dr. Michael Förtsch erklärt es so: „Um mathematische Formeln heute zu berechnen, muss man sie digitalisieren. Und je nachdem, was man da für eine Formel hat, ist dieser Weg sehr mühselig und verbraucht sehr viel Fläche auf einem Chip.“ Der photonische Chip der NPU führt die- se Funktionen nativ aus, ohne eine Übersetzung in die digitale Welt, sagt Förtsch – daher auch der Name der Native Processing Unit. Ein großer Vorteil ist laut den Entwicklern die bis zu 30 Mal höhere Energieeffizienz im Vergleich zu konventioneller CMOS-Elektronik. Die Grundlage des photonischen Prozessors bildet Thin-Film Lithium Niobate on Insulator (TFLNoI) – nach Ansicht von Q.ant das ideale Material für PICs. In TFLNoI werden integrierte Bauelemente realisiert , darunter Wellenleiter beziehungsweise polarisierte Wellenleiter, Strahl- teiler, elektro-optische Phase Shifter, Mach-Zehnder-Modulatoren und abstimmbare Filter. Daraus werden die Schaltungen der PICs aufgebaut, um spezielle mathematische Operationen auszuführen. Eine Speziali- sierung, die den Chip zum idealen Co-Prozessor für Künstliche Intelli- genz mache, sagt Förtsch. Killeranwendungen gibt es laut Michael Förtsch derzeit noch keine. Im Fokus stehen jedoch KI-Training und -Auswertung, Machine Learning, physikalische Simulationen oder Zeitreihenanalysen. Eine wichtige Ankündigung aus Applikationssicht soll noch in diesem Jahr erfolgen. Darüber, wie sich photonische Prozessoren in den kommenden 20 Jahren entwickeln werden, will der Q.ant-CEO nicht spekulieren. Er erinnert aber daran, dass vieles, was heute machbar ist, vor zwei Jahrzehnten noch nicht für möglich gehalten wurde.