{"id":15683,"date":"2025-01-01T08:00:44","date_gmt":"2025-01-01T07:00:44","guid":{"rendered":"https:\/\/qant.com\/?p=15683"},"modified":"2024-12-04T16:26:07","modified_gmt":"2024-12-04T15:26:07","slug":"q-ant-bringt-ersten-kommerziellen-photonik-prozessor-auf-den-markt-fuer-energieeffizientes-high-performance-computing-und-real-time-ai-anwendungen","status":"publish","type":"post","link":"https:\/\/qant.com\/de\/pressemitteilung\/q-ant-bringt-ersten-kommerziellen-photonik-prozessor-auf-den-markt-fuer-energieeffizientes-high-performance-computing-und-real-time-ai-anwendungen\/","title":{"rendered":"Q.ANT bringt ersten kommerziellen Photonik-Prozessor auf den Markt \u2013 f\u00fcr energieeffizientes High-Performance-Computing und Real-Time AI-Anwendungen"},"content":{"rendered":"

Jetzt verf\u00fcgbar: Die erste Native Processing Unit von Q.ANT verspricht eine mindestens 30-fache Verbesserung der Energieeffizienz und einen erheblichen Leistungsschub, der die Nachhaltigkeit von Rechenzentren in greifbare N\u00e4he r\u00fcckt.<\/p>\n

Stuttgart – 19. November 2024 – Q.ANT<\/a>, das f\u00fchrende Startup f\u00fcr photonisches Computing, hat heute die Markteinf\u00fchrung seines ersten kommerziellen Produkts bekannt gegeben – einer photonischen Native Processing Unit (NPU), die auf der firmeneigenen Rechenarchitektur LENA (Light Empowered Native Arithmetics) basiert. Da das Produkt auf dem Industriestandard PCI-Express aufbaut, ist es mit dem heutigen Computing-Ecosystem kompatibel. Die Q.ANT NPU kann komplexe, nicht-lineare Berechnungen nativ mit Licht statt mit Elektronen ausf\u00fchren. Dar\u00fcber hinaus verspricht die Technologie eine mindestens 30-mal h\u00f6here Energieeffizienz und signifikante Verbesserungen der Rechengeschwindigkeit gegen\u00fcber der herk\u00f6mmlichen CMOS-Technologie. Die Q.ANT NPU wurde f\u00fcr rechenintensive Anwendungen wie AI-Inference, Machine-Learning und Physiksimulationen entwickelt und hat sich bei der L\u00f6sung realer Rechenprobleme bew\u00e4hrt, wie Q.ANT am Beispiel der Zahlenerkennung f\u00fcr Deep-Neural-Networks nachgewiesen hat (siehe Pressemitteilung zum Cloud-Zugang zur NPU<\/a>).<\/p>\n

\u201eMit unserer photonischen Chiptechnologie, die jetzt \u00fcber die Standard-PCIe-Schnittstelle verf\u00fcgbar ist, bringen wir die unglaubliche Leistungsf\u00e4higkeit der Photonik direkt in reale Anwendungen. Wir machen damit ein deutliches Statement: Leistung und Nachhaltigkeit k\u00f6nnen Hand in Hand gehen\u201c, sagt Dr. Michael F\u00f6rtsch, CEO von Q.ANT. \u201eZum ersten Mal k\u00f6nnen Entwickler KI-Anwendungen erstellen und die M\u00f6glichkeiten des photonischen Rechnens erkunden, insbesondere f\u00fcr komplexe, nichtlineare Berechnungen. Experten haben beispielsweise errechnet, dass eine GPT-4-Anfrage heute 10-mal mehr Strom verbraucht als eine normale Internet-Suchanfrage. Unsere photonischen Chips bieten das Potenzial, den Energieverbrauch f\u00fcr diese Abfrage um das 30-fache zu senken.\u201c<\/p>\n

Der Durchbruch von Q.ANT beruht auf der firmeneigenen LENA-Plattform, die Thin-Film Lithium Niobate (TFLN) on Insulator umfasst. Q.ANT hat dieses photonische Material seit seiner Gr\u00fcndung im Jahr 2018 kontinuierlich weiterentwickelt. Diese Plattform erm\u00f6glicht eine pr\u00e4zise Lichtsteuerung auf Chipebene. Q.ANT kontrolliert den gesamten Prozess vom Wafer bis zum fertigen Prozessor kontrolliert und nutzt sein tiefes Verst\u00e4ndnis von Licht. Damit erreicht das Unternehmen eine mathematische und algorithmische Dichte, die die herk\u00f6mmliche CMOS-Technologie \u00fcbertrifft. So kann beispielsweise eine Fourier-Transformation, die in der herk\u00f6mmlichen CMOS-Technologie Millionen von Transistoren erfordert, mit einem einzigen optischen Element durchgef\u00fchrt werden.<\/p>\n

\u201eDer neuartige Ansatz von Q.ANT f\u00fcr die photonische Verarbeitung ist ein bahnbrechender Schritt, um den steigenden Energiebedarf der KI-\u00c4ra zu decken\u201c, sagt Dr. Eric Mounier,\u00a0 Chefanalyst, Photonics & Sensing beim Analystenhaus Yole-Group<\/a>. \u201eDieser Durchbruch wird durch die Verwendung optimaler Materialien f\u00fcr optische Schaltkreise erm\u00f6glicht, die Q.ANT in den letzten Jahren entwickelt hat. Diese neue Prozessorgeneration \u00f6ffnet endlich den Zugang zu \u00fcberlegenen mathematischen Operationen, die auf herk\u00f6mmlichen GPUs zu energieaufw\u00e4ndig waren. Erste Leistungssteigerungen werden bei AI-Inference und AI-Training erwartet, was den Weg f\u00fcr hocheffizientes, nachhaltiges KI-Computing ebnet.\u201c[1]<\/a><\/p>\n

Die Q.ANT NPU kann die Berechnungsanforderungen f\u00fcr Machine-Learning, Computer-Vision oder f\u00fcr das Training und die Inferenz gro\u00dfer Sprachmodelle (LLM) reduzieren.<\/p>\n