Forschende der Oregon State University haben ein neuartiges Bauelement vorgestellt, das die Funktionsweise biologischer Synapsen nachahmt – allerdings für photonische Systeme. Der entwickelte phototransistor verarbeitet nicht nur Lichtsignale, sondern speichert diese auch temporär und führt grundlegende Berechnungen durch. Diese Integration mehrerer Funktionen in einem einzigen Bauelement könnte den Energieverbrauch von KI-gestützten Bildverarbeitungssystemen deutlich reduzieren.
Ein Schaltkreis, drei Funktionen: Wie der photonische Transistor funktioniert
Das Herzstück der Innovation liegt in der Fähigkeit des Bauelements, Licht zu detektieren, die empfangenen Signale zu speichern und gleichzeitig logische Operationen durchzuführen. Im Gegensatz zu herkömmlichen Sensoren, die Licht in elektrische Signale umwandeln und diese an separate Speicher- oder Prozessorchips weiterleiten, vereint der neue Phototransistor diese Schritte. Die Forschenden nutzten dafür spezielle Halbleitermaterialien, die sowohl photoelektrische als auch memristive Eigenschaften aufweisen.
Ein zentraler Mechanismus des Bauelements ist die Steuerung der Speicherdauer optischer Signale. Durch Anpassung elektrischer Spannungen lässt sich einstellen, wie lange Lichtimpulse im System „gespeichert“ bleiben – ähnlich wie Synapsen im Gehirn neuronale Aktivität über variable Zeiträume verarbeiten. Diese Flexibilität könnte künftig ermöglichen, die Gedächtnisleistung von KI-Sensoren dynamisch an die jeweilige Aufgabe anzupassen.
Energieeffizienz als Schlüsselvorteil für KI-Anwendungen
Aktuelle KI-Systeme, insbesondere solche für maschinelles Sehen, verbrauchen enorme Mengen an Energie, da Daten zwischen Sensoren, Speichern und Prozessoren hin- und hergeschoben werden müssen. Der neue Phototransistor eliminiert diesen „Datenverkehr“ weitgehend, indem er Licht direkt verarbeitet und speichert. Laut den Forschenden könnte dies den Energiebedarf um bis zu 90 % im Vergleich zu herkömmlichen Architekturen reduzieren.
Die Integration von Speicher und Berechnung in einem Bauelement – oft als In-Memory-Computing bezeichnet – gilt als vielversprechender Ansatz, um die Effizienz von KI-Hardware zu steigern. Besonders für Edge-Geräte wie autonome Fahrzeuge oder Überwachungssysteme wäre dies ein entscheidender Vorteil, da diese oft mit begrenzten Stromressourcen auskommen müssen.
Herausforderungen und nächste Schritte in der Forschung
Obwohl die Technologie vielversprechend ist, steht die Entwicklung noch am Anfang. Die Forschenden arbeiten derzeit daran, die Skalierbarkeit des Bauelements zu verbessern und seine Leistung in realen Anwendungen zu testen. Ein weiterer Fokus liegt auf der Integration in bestehende KI-Architekturen, etwa für Bildverarbeitung oder Objekterkennung.
Langfristig könnte der photonische Transistor nicht nur die Energieeffizienz, sondern auch die Geschwindigkeit von KI-Systemen erhöhen. Da Lichtsignale schneller übertragen werden als elektrische Signale, könnten solche Bauelemente die Latenzzeiten in neuronalen Netzen verkürzen. Die Forschenden sehen darin einen wichtigen Schritt hin zu „kognitiver Hardware“, die der Arbeitsweise des menschlichen Gehirns näher kommt.
Zukünftige Anwendungen könnten neben der KI-Bildverarbeitung auch in Bereichen wie medizinischer Diagnostik, Robotik oder sogar Quantencomputing liegen. Sollten sich die vielversprechenden Laborergebnisse bestätigen, könnte diese Technologie die Grundlage für eine neue Generation energieeffizienter Rechensysteme bilden.
KI-Zusammenfassung
Oregon Eyalet Üniversitesi araştırmacıları, ışık algılama, bellek ve işlem yeteneklerini tek bir cihazda birleştiren beyin benzeri bir fototransistör geliştirdi. Bu yenilik, AI görüntü sistemlerinde veri hareketini azaltarak enerji verimliliğini önemli ölçüde artırabilir.
