🔬

Photonic Neural Processor

Interactive browser-based simulation of optical neural networks using light for ultrafast AI computations, featuring Mach-Zehnder interferometers, photonic spiking neurons, and real-time optical path visualization

🔬 Jetzt ausprobieren

Was ist das?

🎯 Simulator-Tipps

📚 Glossar

Photonic Neural Network
Ein künstliches neuronales Netzwerk, das zur Durchführung von Berechnungen optische Signale (Photonen) anstelle elektrischer Signale (Elektronen) verwendet und so eine Verarbeitung mit Lichtgeschwindigkeit ermöglicht.
Mach-Zehnder Interferometer (MZI)
Ein optisches Gerät, das einen Lichtstrahl in zwei Pfade aufteilt und diese wieder zusammenführt; Durch die Steuerung der relativen Phase kann es die für neuronale Netze erforderlichen Matrixoperationen ausführen.
Matrix Multiplication
Die zentrale mathematische Operation beim Deep Learning, bei der Eingabedaten durch Gewichtsmatrizen transformiert werden; Photonische Prozessoren führen diesen Vorgang mit Lichtgeschwindigkeit durch.
Optical Nonlinearity
Nichtproportionale Reaktion eines Materials auf die Lichtintensität, die für die Implementierung von Aktivierungsfunktionen in photonischen neuronalen Netzen unerlässlich ist – eine zentrale Herausforderung auf diesem Gebiet.
Silicon Photonics
Die Technologie zum Aufbau optischer Schaltkreise auf Siliziumchips mittels Standard-Halbleiterfertigung, die die Massenproduktion photonischer Prozessoren ermöglicht.
Wavelength Division Multiplexing
Das gleichzeitige Senden mehrerer Datenkanäle über denselben optischen Pfad mit unterschiedlichen Lichtwellenlängen führt zu einer drastischen Steigerung des Durchsatzes.
Microring Resonator
Ein kompakter kreisförmiger optischer Wellenleiter, der Lichtsignale filtern, schalten und modulieren kann und als programmierbare Gewichte in photonischen neuronalen Netzen verwendet wird.
Phase-Change Material (PCM)
Ein Material, das zwischen kristallinen und amorphen Zuständen wechseln kann und in photonischen Systemen zur nichtflüchtigen Gewichtsspeicherung in neuronalen Netzwerksynapsen verwendet wird.
Optical Computing
Rechenparadigma, das Photonen zur Informationsverarbeitung nutzt und gegenüber elektronischem Rechnen Vorteile in Bezug auf Geschwindigkeit, Parallelität und Energieeffizienz bietet.
Activation Function
Eine nichtlineare mathematische Funktion, die auf die Ausgänge neuronaler Netzwerke angewendet wird. Dies optisch umzusetzen (ohne auf Elektronik umzurüsten) ist eine große Herausforderung.
In-Situ Training
Trainieren eines neuronalen Netzwerks direkt auf der photonischen Hardware und nicht auf einem digitalen Computer, ermöglicht durch die extrem niedrige Latenz der optischen Berechnung.
Neuromorphic Photonics
Der Bereich kombiniert neurowissenschaftlich inspiriertes Computing mit Photonik und nutzt lichtbasierte Neuronen und Synapsen, um die biologische neuronale Verarbeitung nachzuahmen.
Photonic Integrated Circuit (PIC)
Ein Chip, der mehrere optische Komponenten (Wellenleiter, Modulatoren, Detektoren) auf einem einzigen Substrat integriert, analog zu elektronischen integrierten Schaltkreisen.

🏆 Schlüsselpersonen

Yichen Shen (2017)

Leitete 2017 das MIT-Team, das das erste optische neuronale On-Chip-Netzwerk mit 56 programmierbaren Mach-Zehnder-Interferometern auf einem photonischen Siliziumchip demonstrierte

Dirk Englund (2024)

MIT-Professor, dessen Quantum Photonics and AI Group einen vollständig integrierten photonischen Prozessor demonstrierte, der eine Genauigkeit von über 92 % bei der Subnanosekunden-Inferenz erreicht (2024)

Marin Soljacic (2017)

MIT-Professor, der 2017 die bahnbrechende Arbeit an einem optischen neuronalen Netzwerk mitleitete und die photonischen Computerarchitekturen weiter weiterentwickelt

Demetri Psaltis (1990s)

Pionier optischer neuronaler Netze mit Holographie in den 1990er Jahren am Caltech, der die theoretischen Grundlagen für photonisches Computing legte

Wolfram Pernice & Harish Bhaskaran (2019-2021)

Entwickelte auf Phasenwechselmaterialien basierende photonische Synapsen, die eine nichtflüchtige Gewichtsspeicherung für photonische neuronale Netze ermöglichen

Bhavin Shastri & Paul Prucnal (2021)

Veröffentlichung des einflussreichen Nature Photonics-Reviews zur Festlegung der Roadmap für neuromorphe Photonik und Spike-basiertes optisches Computing

Gu Min (2025)

Leitete umfassende Untersuchungen zu integrierten photonischen Synapsen, Neuronen und Memristoren an der Universität Shanghai für Wissenschaft und Technologie

🎓 Lernressourcen

💬 Nachricht an Lernende

Die Zukunft des KI-Computing liegt möglicherweise nicht in schnellerer Elektronik, sondern im Licht selbst. Photonische neuronale Prozessoren stellen einen grundlegenden Wandel dar: Anstatt Elektronen durch winzige Drähte zu schieben, die Wärme erzeugen und Energie verschwenden, leiten wir Photonen durch optische Schaltkreise, die mit Lichtgeschwindigkeit rechnen. Ein einzelner photonischer Chip kann in Nanosekunden die Leistung erbringen, für die elektronische Prozessoren Mikrosekunden benötigen. Da KI-Modelle immer größer und leistungshungriger werden, bietet Photonic Computing einen Weg zu nachhaltiger, ultraschneller Intelligenz. Die Transistorrevolution veränderte die Welt; Die photonische Revolution könnte es noch einmal ändern.

Loslegen

Kostenlos, ohne Anmeldung

Loslegen →