Neue lichtbasierte Rechensysteme bieten Potenzial für AI am Rande.

Ein Team von Wissenschaftlern der Schule für Physik und Optoelektronische Ingenieurwesen der Shenzhen University, unter der Leitung der Professoren Han Zhang und Songrui Wei, hat zusammen mit Kollegen von der Universität Hongkong, der Southern University of Science and Technology und dem Peng Cheng Labor zusammen eine innovative Lichtrechnungshardware entwickelt. Diese Plattform, basierend auf einer neuen Art von optischen Neuronalen Netzen (Optical Neural Networks, ONNs), kombiniert die Funktionen von Wahrnehmung, Speicherung, Verarbeitung und Anzeige in einem einzigen System. Die Arbeit wurde im Juli 2025 in der international anerkannten Zeitschrift "Optica" veröffentlicht. Die traditionellen Rechnersysteme, die auf der von-Neumann-Architektur basieren, haben erhebliche Einschränkungen, wie zum Beispiel getrennte Funktionsblöcke für Wahrnehmung, Speicherung, Verarbeitung und Anzeige sowie häufige Datenbewegungen und hohe Energieverbrauche. Dies stellt eine Herausforderung dar, insbesondere in Bereichen wie Edge Computing, medizinische Bildgebung und Sicherheitsidentifikation, wo die Anforderungen an die Informationsverarbeitung rapide zunehmen. Das Team hat eine neuartige Architektur vorgeschlagen, die auf der Fluoreszenz-Matrix-Vektor-Multiplikation (Fluorescence Matrix–Vector Multiplication, FMVM) basiert. Diese Methode nutzt das Programmiervermögen von lichtinduzierten Farbschaltmaterialien, insbesondere die Moleküle Spiropyran (SP) und Merocyanine (MC). Bei UV-Bestrahlung wandelt sich SP in MC um, wodurch ein fluoreszierender Zustand entsteht. MC kehrt bei sichtbarem Licht reversibel in den nicht-fluoreszierenden SP-Zustand zurück. Dies ermöglicht es, optische Gewichte programmierbar zu speichern und zu verarbeiten. Im Rahmen der Experimente wurden SP-Moleküle in ein Methylmethacrylat (MMA)-Substrat eingearbeitet, um eine dünne, fluoreszierende Schicht herzustellen. Mit Hilfe von Digital Light Processing (DLP)-Technologie konnten spezifische UV-Muster auf die Schicht projiziert werden, um die fluoreszierenden Intensitäten räumlich zu programmieren. Dies ermöglicht die Schreib- und Umprogrammierung von Gewichten. Beim Berechnungsprozess repräsentieren die Eingangslichtsignale UV-Muster, deren Helligkeit den Eingangsvektor definiert. Diese Muster treffen auf die bereits mit Gewichten programmierte SP-MC-Schicht, lösen Fluoreszenz aus und führen damit die Matrix-Vektor-Multiplikation durch. Die fluoreszirenden Muster, die das Ergebnis der Multiplikation darstellen, können direkt vom menschlichen Auge oder von einer Kamera aufgezeichnet werden, ohne dass elektrische Signale oder traditionelle Anzeigen erforderlich sind. Dies ermöglicht eine vollständige Lichtbereichsverarbeitung, wodurch das System effizienter und energiearm bleibt. Die Materialcharakterisierung zeigte, dass die SP/MC-Schicht hohe räumliche Auflösung und Präzision der Gewichte aufweist. Durch die Anpassung der UV-Intensität und der Belichtungszeit konnte ein kontinuierlich einstellbarer MC-Gehalt erreicht werden. Die Experimente demonstrierten eine 5-Bit (32 Level) Auflösung der fluoreszierenden Intensität und eine Schreibauflösung von etwa 33 Mikrometern auf mikroskopischer Ebene. Die Reaktionszeit der Fluoreszenz war weniger als 10 Nanosekunden, und die Bandbreite überschritt 100 Megahertz, was schnelle Berechnungen ermöglicht. Die Gewichtsmuster blieben in dunkler Umgebung stabil, auch nach mehreren Schreib- und Löschzyklen zeigten sie keine nennenswerten Degradierungen, wodurch eine Speicherfunktion ähnlich wie bei traditionellen Speichermedien erreicht wird. Das Team hat zudem gezeigt, dass die Plattform in der Lage ist, komplexe Muster wie das Bild der "Mona Lisa" oder mikrobielle Abbildungen zu erzeugen, wobei die Lichtintensität gleichmäßig verteilt ist und die Anzeigequalität hoch ist. Diese Eigenschaften machen das System flexibel und multifunktional, was für verschiedene Anwendungen nützlich sein kann. Eine spezifische Anwendung, die demonstriert wurde, ist die Fingerabdruckerkennung. Die Plattform erkannte und klassifizierte Fingerabdrücke von drei verschiedenen Personen und zeigte die Namen dieser Personen an. Durch Simulationen und Experimente wurde bewiesen, dass das System zuverlässig arbeitet und die Anzeige der Ergebnisse durch weitere Summation und Nichtlinearität verbessert werden kann. Zusammenfassend bietet das FMVM-System fünf wesentliche Vorteile gegenüber traditionellen ONN-Systemen: Es benötigt keine Analog-Digital-Wandler (ADC/DAC), da die gesamte Verarbeitung im Lichtbereich stattfindet. Es verbraucht weniger Energie, da die Gewichte ohne ständige Energiezufuhr gespeichert werden können, was das System besonders für Edge-Computing-Szenarien geeignet macht. Es ermöglicht parallele Anzeigeausgaben, da die fluoreszierenden Muster mehrere Ausgabeklassen gleichzeitig darstellen können. Es verfügt über eine nichtflüchtige Speicherung, die mehrfach beschrieben und gelöscht werden kann und langfristig stabil ist. Schließlich ist das Material vielseitig erweiterbar, da es auf Quantenpunkte, Metall-Organische Gerüste (MOFs) und Kohlenstoffpunkte ausgedehnt werden kann, um multiband-fluoreszierende Resonanzen zu erzielen. Diese Entwicklung könnte wichtige Fortschritte in Bereichen wie tragbare Geräte, Edge-AI-Wahrnehmungssysteme, natürliche Lichtsignalverarbeitung und optische Sicherheitsidentifikation bringen. Das Projekt wurde durch verschiedene Förderprogramme unterstützt, darunter die National Natural Science Foundation of China, das Peacock Plan von Shenzhen und das Shenzhen Science and Technology Innovation Committee. Die Forscher hoffen, dass ihre Arbeit einen wichtigen Beitrag zur Zukunft der optischen Rechnungstechnik leisten wird.