Photonisches Computing: Open-Source-SDK für energieeffiziente KI-Anwendungen

Das Stuttgarter Unternehmen Q.ANT hat laut eigenen Angaben das weltweit erste Open-Source-SDK für photonisches Computing veröffentlicht. Entwicklerinnen und Entwickler können damit Anwendungen für Q.ANTs NPUs (Native Processing Units) schreiben, die mit Licht statt mit Elektronen rechnen. Der Hardware-Zugang soll in den kommenden Monaten folgen, durch Partner wie Ionos oder On-Premise via Native Processing Server. Im Leibniz-Rechenzentrum (LRZ) in München und im Jülicher Supercomputing Centre (JSC) laufen die Systeme bereits.

Toolkit und Beispielsammlung auf GitHub

Mit dem SDK sollen Entwickler in ihrer vertrauten Toolchain photonische Anwendungen auf dem eigenen Laptop entwickeln und testen können. Photonisches Spezialwissen braucht es dazu nicht, so der Anbieter. Das SDK besteht aus einem Toolkit unter der Apache-Lizenz 2.0 und einer Beispielsammlung. Ersteres umfasst eine API für C/C++ und Python, eine Dokumentation sowie ein Simulations-Backend, das auf Standard-CPUs läuft.

Die Beispielanwendungen liegen in einem separaten GitHub-Repository und sollen laut Q.ANT demonstrieren, wie sich Modelle auf photonischen Rechenkernen verhalten und wie photonische Operationen KI-Modelle effizienter machen können als klassische Methoden. Enthalten ist beispielsweise ein Vergleich zwischen einem klassischen neuronalen Netz und einem photonisch-nativen Netz, gemessen an Parameterzahl, Genauigkeit, Funktionsapproximation und Trainingsverlust.

Gegen den Energiehunger von KI-Computing

Photonische Chips sollen es auf deutlich mehr Rechenleistung pro Watt als klassische transistorbasierte Systeme bringen, was sie für KI-Computing besonders interessant macht. Der hohe Energieverbrauch entsteht dort vor allem durch den ständigen Datentransport zwischen Speicher und Prozessor, so Q.ANT in seiner Pressemitteilung zum SDK.

Q.ANTs photonischer Chip rechnet direkt im optischen Bereich und führt nichtlineare Funktionen nativ aus, statt sie über viele Transistorschichten anzunähern. Das ermöglicht laut Anbieter leistungsfähigere Netze mit weniger Parametern. Beim hauseigenen Native Processing Server (NPS), einem der ersten kommerziell erhältlichen photonischen KI-Beschleuniger, spricht Q.ANT von einer bis zu 30-fach höheren Energieeffizienz und einer bis zu 50-fachen Leistungssteigerung auf Anwendungsebene.