Forscher haben ein KI-System entwickelt, das Daten nicht mit Elektrizität, sondern mit Licht verarbeitet. Solche photonischen neuronalen Netze sollen vor allem der Überwachung von Infrastrukturen dienen.
Wissenschaftler der Universität Nanjing haben ein neuartiges KI-System entwickelt, das Daten nicht mit Strom, sondern mit Licht verarbeitet. Damit arbeitet es nicht nur extrem schnell, sondern auch energieeffizient. Die Technologie, ein sogenanntes photonisches neuronales Netzwerk, wurde erstmals erfolgreich mit einem DAS-System (Distributed Acoustic Sensing) kombiniert.
Dieses analysiert Glasfaserkabel, um feine Vibrationen zu erkennen – etwa für Erdbebenwarnungen, die Überwachung von Eisenbahnstrecken oder Unterseekabeln. Das Problem: Die entstehenden Datenmengen sind riesig und mit klassischer Elektronik kaum in Echtzeit zu verarbeiten.
Du willst nicht abgehängt werden, wenn es um KI, Green Tech und die Tech-Themen von Morgen geht? Über 10.000 Vordenker bekommen jeden Tag die wichtigsten News direkt in die Inbox und sichern sich ihren Vorsprung.
Nur für kurze Zeit: Anmelden und mit etwas Glück Beats-Kopfhörer gewinnen!
Mit deiner Anmeldung bestätigst du unsere Datenschutzerklärung. Beim Gewinnspiel gelten die AGB.
Wie photonische neuronale Netze die Überwachung verändern
Photonische neuronale Netze verarbeiten Signale hingegen ausschließlich optisch. Das heißt, dass die Datenverarbeitung mit Licht anstelle elektrischer Ströme ausgewertet wird. Herzstück der Technologie ist der Time-Wavelength Multiplexed Photonic Neural Network Accelerator (TWM-PNNA).
Dieser nutzt verschiedene Laserwellenlängen, um mathematische Operationen – sogenannte Faltungen – durchzuführen. Dadurch lassen sich Sensordaten blitzschnell analysieren. Photonische neuronale Netze verbessern die Überwachung dadurch erheblich, besonders wenn große Datenmengen zuverlässig und ohne Verzögerung ausgewertet werden müssen.
Dafür mussten die Forscher technische Herausforderungen wie Frequenzverschiebungen bei der Lichtmodulation meistern, die die Genauigkeit der Ergebnisse beeinträchtigen können. Durch Methoden wie die Push-Pull-Modulation erreichte das System eine Erkennungsgenauigkeit von über 90 Prozent.
Das ist nahezu auf dem Niveau herkömmlicher elektronischer Systeme. Gleichzeitig ist der Energieverbrauch deutlich geringer: Der neue Ansatz schafft bis zu 21 Billionen Rechenoperationen pro Watt – ein Vielfaches dessen, was aktuelle GPUs leisten können.
Potenzial für die Infrastrukturüberwachung
Ein weiterer Vorteil ist die Effizienz des Aufbaus. Mithilfe sogenannter Pruning-Techniken lassen sich die photonischen Netzwerke stark verkleinern, ohne dabei spürbare Leistungseinbußen hinzunehmen. Das macht die Technologie nicht nur leistungsstark, sondern auch kostengünstiger und einfacher in der Produktion.
Langfristig betrachtet bieten photonische neuronale Netze großes Potenzial für die Infrastrukturanalyse. Durch ihre Kombination mit Sensornetzwerken lassen sich etwa Bahngleise, Pipelines oder seismisch aktive Regionen schnell, präzise und mit minimalem Energieeinsatz überwachen.
Besonders in Situationen, in denen eine Echtzeitverarbeitung entscheidend ist, verbessern photonische neuronale Netze die Überwachung deutlich. Sie könnten so ein wichtiger Bestandteil moderner Frühwarnsysteme und digitaler Infrastrukturkontrolle werden.
Auch interessant:
