Forschende zeigen, wie nichtlineare Optik den Weg zu intelligenten photonischen Systemen ebnet.

Künstliche Intelligenz verändert die Welt – aber sie braucht enorme Mengen Energie. Moderne Sprachmodelle oder Bildanalyse- Systeme verbrauchen heute so viel Strom wie ganze Städte. Forschende am Leibniz- IPHT verfolgen deshalb einen anderen Ansatz. Sie wollen das Rechnen selbst neu denken: mit Licht.

Glasfasern können nicht nur Daten übertragen, sondern auch Informationen verarbeiten. Das zeigt die Nachwuchsgruppe Smart Photonics um Prof. Dr. Mario Chemnitz. Die Forschenden nutzen dazu einen unkonventionellen Ansatz. Sie untersuchen, wie das natürliche Mischen von Lichtfrequenzen Information filtern und gewichten kann, um Aufgaben zu lösen, die sonst digitale neuronale Netze übernehmen. Damit liefern sie einen Baustein für die Entwicklung künftiger, intelligenter photonischer Systeme.

Wenn Licht selbst rechnet

Im Experiment schickte das Team um Erstautor Sobhi Saeed kurze, codierte Lichtpulse durch eine Glasfaser. Jeder Lichtpuls enthält einen in der spektralen Phase eingeschriebenen Datensatz. Je nach damit aufgeprägter Intensität und zeitlicher Struktur verändert sich das Lichtspektrum in der Faser auf komplexe Weise. Das dabei entstehende Ausgangsspektrum beinhaltet strukturell gefilterte Information über die Eingangsdaten und kann für komplexe Klassifizierungs-, Segmentierungs-, oder Vorhersageaufgaben herangezogen werden.

Die Faser reagiert dabei nichtlinear: Kleine Unterschiede in der Eingabe führen zu großen Veränderungen am Ausgang. Diese physikalischen Effekte, die in der klassischen Signalübertragung meist unerwünscht sind, werden hier gezielt genutzt: als Rechenoperation. „Wir nutzen die Dynamik des Lichts als Rechenressource“, erklärt Mario Chemnitz, Leiter der Nachwuchsgruppe Smart Photonics. „Das Licht interagiert mit der Faser auf eine Weise, die komplexe Muster abbildet, ganz ohne digitale Prozessoren oder programmierte Parameter. Das Ergebnis entsteht direkt im Licht selbst.“

Am Ende der Faser wird das Ausgangsspektrum in einfachen Schritten aufgabenspezifisch analysiert, gefiltert und linear kombiniert, um die Lösung einer gegebenen Aufgabe zu erhalten. In den Experimenten nutzten die Forschenden verschiedene Glasfasertypen und überprüften, wie gut sie Eingaben voneinander unterscheiden konnten. Je stärker die nichtlinearen Wechselwirkungen im Licht waren, desto präziser konnte das System Muster trennen.

Eine neue Metrik für Intelligenz im Licht

Die Herausforderung: Die von Saeed und dem Forschungsteam vorgestellte Architektur verknüpft Information noch wahllos; eine typische Eigenschaft von sogenannten Reservoir Computern. Der genaue Informationsfluss ist damit unbekannt. Mit ihrer Studie führen die Forschenden daher einen neuen Begriff in die Photonik ein: die nichtlineare Inferenzkapazität. Sie beschreibt, wie gut ein physikalisches System komplexe Muster entwirren und damit, wie „tief“ es Informationen verknüpfen kann. Damit wird erstmals messbar, wie sich die Leistungsfähigkeit analoger Systeme mit der von digitalen neuronalen Netzen vergleichen lässt. Die Datenanalyse und maschinellen Lernverfahren wurden in Zusammenarbeit mit Prof. Dr. Thomas Bocklitz und seiner Forschungsabteilung Photonic Data Science entwickelt.

„Wir wollten verstehen, wie tief ein physikalisches System rechnen kann“, sagt Chemnitz. „Unsere Ergebnisse zeigen, dass nichtlineare Optik eine echte Rechenressource ist. Sie kann Lernprozesse abbilden, die Elektronik so nicht erreicht.“ In Tests übertraf das optische System sogar digitale Netzwerke mit mehreren verborgenen Schichten. Der Grund: In der Glasfaser finden viele Wechselwirkungen gleichzeitig statt. Wichtungs- und Filterprozesse laufen parallel, statt seriell wie in elektronischen Schaltkreisen.

Analog statt digital

Während digitale Systeme Informationen in Nullen und Einsen zerlegen, verarbeitet die Glasfaser Daten kontinuierlich, in einem analogen Fluss aus Energie und Zeit. Diese Analogie zur Funktionsweise des Gehirns macht das System besonders effizient: Zusammenhänge sind in flüchtigen Informationsflüssen abgebildet und unmittelbar abrufbar.

„Die Faser ist ein neuronales Netz aus Licht“, sagt Sobhi Saeed. „Sie erkennt Muster, indem sie ihre physikalischen Zustände verändert: nicht durch Programmierung, sondern durch systembedingte Wechselwirkung.“ Die Forschenden testeten ihr Konzept mit einem neuen, standardisierten Datensatz, der die Rechenleistung analoger Systeme messbar macht. So konnten sie erstmals zeigen, dass die physikalische, nichtlineare Dynamik des Lichts der „Rechentiefe“ künstlicher neuronaler Netze entspricht und sie unter bestimmten Bedingungen sogar übertrifft.

Photonik als Grundlage für Intelligenz

Die Arbeit ist die erste Publikation der 2022 gegründeten Nachwuchsgruppe Smart Photonics am Leibniz-IPHT, die von der Carl-Zeiss- Stiftung im Rahmen des CZS Nexus-Programms gefördert wird. Sie markiert den Beginn einer Forschungsrichtung, die Physik, KI und Hardwareentwicklung verbindet: intelligente photonische Systeme. „Unsere Vision ist eine Hardware, die Informationen wahrnimmt, verarbeitet und versteht, ohne sie je in elektrische Signale umzuwandeln“, so Chemnitz. „Licht ist von Natur aus schnell, parallel und energieeffizient. Wenn wir diese Eigenschaften nutzen, können wir künftig Rechenund maschinelle Erkennungssysteme bauen, die direkt in der optischen Welt funktionieren.“

Langfristig könnte diese Forschung den Weg bereiten für neue Formen analoger, lernfähiger Informationsverarbeitung, die nicht in Rechenzentren läuft, sondern direkt dort, wo Daten entstehen, etwa in Sensoren, Laborinstrumenten oder Diagnosegeräten.

 

Original-Publikation: https://doi. org/10.1515/nanoph-2025-0045