Die optische Computertechnik ist ein Fachgebiet, das danach strebt, Informationen mithilfe von Licht anstelle von Elektrizität zu verarbeiten. Seit Jahrzehnten wissen Wissenschaftler, dass Licht Daten mit unglaublicher Geschwindigkeit und fast ohne Verzögerung übertragen kann, was einen potenziellen Weg zu schnelleren und energieeffizienteren Computern eröffnet. Traditionelle Ansätze zum Bau dieser optischen Computer basieren oft auf komplexen Stapeln vieler dünner Schichten, ähnlich wie bei der Konstruktion einer mehrschichtigen Torte. Jede Schicht fungiert als kleiner Filter oder Spiegel, der das Licht verändert, während es hindurchläuft. Obwohl diese Systeme effektiv sind, können sie sperrig und schwer zu verkleinern werden, da das Licht Platz benötigt, um sich auszubreiten und mit jeder Schicht zu interagieren. Die grundlegende Herausforderung bestand darin, einen Weg zu finden, genügend Rechenleistung auf kleinstem Raum unterzubringen, ohne die Fähigkeit zu verlieren, komplexe Aufgaben auszuführen.

In einer kürzlich durchgeführten Studie schlugen Forscher der ITMO University in Russland und der Universität Brescia in Italien einen radikal anderen Denkansatz für dieses Problem vor. Anstatt die Arbeit über viele Schichten zu verteilen, fragten sie sich, ob ein einziges, winziges Teilchen die Aufgabe eines gesamten Computerprozessors übernehmen könnte. Sie konzentrierten sich auf eine spezielle Art von Teilchen, die als Mie-Streuer bekannt ist – eine kleine Kugel aus Material, die auf eine komplexe Weise mit Licht interagiert. Wenn Licht auf ein solches Teilchen trifft, prallt es nicht einfach nur ab; es regt eine Vielzahl interner Schwingungen, oder Moden, innerhalb des Teilchens an, die von der Größe und Form des Teilchens abhängen. Die Forscher entdeckten, dass sie, indem sie das Material innerhalb dieses einzelnen Teilchens sorgfältig gestalteten, es in einen trainierbaren Computer verwandeln konnten, der Berechnungen allein durch die Art und Weise durchführt, wie er Licht streut.

Das Team testete diese Idee, indem es das Teilchen bat, ein klassisches Problem zu lösen: das Erkennen handgeschriebener Zahlen. Sie nahmen Bilder von Ziffern, von Null bis Neun, und kodierten diese in die Phase eines Lichtstrahls. Dieses Licht wurde dann auf das einzelne Teilchen fokussiert. Als das Licht auf das Teilchen traf, vermischte die interne Struktur des Teilchens die verschiedenen Teile des Lichtsignals miteinander. Die Forscher maßen daraufhin die Intensität des Lichts, das vom Teilchen weggestreut wurde. Durch die Analyse des Streumusters dieses Lichts konnte ein einfacher Detektor bestimmen, welche Zahl dargestellt wurde. Der Schlüssel zu diesem System war ein mathematisches Werkzeug namens T-Matrix, das genau beschreibt, wie das Teilchen das einfallende Licht in ausgehendes Licht transformiert. Die Forscher behandelten die Einträge in dieser Matrix als die „Gewichte“ eines neuronalen Netzwerks und passten sie während eines Trainingsprozesses an, bis das Teilchen hochpräzise bei der Identifizierung der Zahlen wurde.

Die Ergebnisse waren beeindruckend. Als das Teilchen so dimensioniert wurde, dass sein Durchmesser etwa das 15-fache der Wellenlänge des verwendeten Lichts betrug, erreichte das System eine Testgenauigkeit von etwa 90 Prozent. Dieses Leistungsniveau ist vergleichbar mit einem einlagigen künstlichen neuronalen Netzwerk, einem Standardmaßstab in diesem Bereich. Die Studie zeigte, dass dieses einzelne kompakte Objekt die Aufgabe ebenso gut bewältigen konnte wie viel größere, traditionelle optische Systeme. Darüber hinaus demonstrierten die Forscher, dass diese hohe Leistung selbst erreicht werden konnte, wenn man das Licht sehr nah am Teilchen misst, was als Nahfeld bezeichnet wird. Dies ist ein entscheidendes Detail, da es darauf hindeutet, dass ein solches Gerät direkt auf einem Computerchip integriert werden könnte, wodurch der optische Prozessor direkt mit elektronischen Schaltkreisen verbunden wird, ohne dass sperrige Linsen oder lange Wege für das Licht benötigt werden.

Die Forscher wiesen jedoch vorsichtig darauf hin, dass die reale Physik strikte Regeln für das setzt, was diese Teilchen tun können. In der realen Welt können Materialien keine Energie aus dem Nichts erschaffen; sie können sie nur absorbieren, reflektieren oder transmittieren. Dieses Prinzip, bekannt als Passivität, begrenzt die Arten von Transformationen, die das Teilchen durchführen kann. Die Studie ergab, dass diese physikalische Einschränkung die maximale Genauigkeit zwar leicht reduziert, das System aber auch robuster macht. Ein Teilchen, das diesen physikalischen Gesetzen gehorcht, ist weniger anfällig dafür, durch kleine Fehler oder Rauschen im Signal gestört zu werden. Das Team untersuchte auch, wie die Symmetrie des Teilchens dessen Leistung beeinflusst, und zeigte, dass ein perfekt runder, symmetrischer Partikel weniger unabhängige Möglichkeiten besitzt, Licht zu manipulieren, was die Komplexität verringert, aber das Design vereinfacht.

Um zu beweisen, dass dieses Konzept nicht nur eine theoretische Übung ist, entwarfen die Forscher mithilfe eines Computers ein spezifisches, nicht-absorbierendes dielektrisches Teilchen, das die Aufgabe ausführen konnte. Sie erstellten ein virtuelles Teilchen mit einer komplexen, nicht-uniformen Verteilung der Materialeigenschaften – im Wesentlichen schnitzten sie eine einzigartige interne Struktur heraus, die als perfekter Prozessor fungierte. Dieses nach dem inversen Design entwickelte Teilchen erreichte eine Genauigkeit von 84 Prozent. Obwohl diese spezifische, hochdetaillierte Struktur mit der heutigen Technologie schwierig herzustellen sein mag, dient die Simulation als Beweis der Machbarkeit. Sie zeigt, dass ein endliches, passives Objekt mit realistischen Materialparametern tatsächlich die komplexen Transformationen realisieren kann, die für die optische Klassifizierung erforderlich sind.

Die Auswirkungen dieser Arbeit erstrecken sich über das bloße Erkennen von Zahlen hinaus. Die Studie hebt hervor, dass die Informationsdichte, die ein einzelnes Objekt verarbeiten kann, weitaus größer ist als bisher angenommen. Während eine traditionelle optische Schicht eine begrenzte Anzahl an anpassbaren Punkten haben kann, kann ein einzelner Streuer eine enorme Anzahl interner Moden nutzen, um Informationen zu verarbeiten. Die Forscher berechneten, dass für ein Teilchen, das in der Größe vergleichbar mit der Wellenlänge des Lichts ist, die Anzahl der anpassbaren Parameter um das Hundertfache höher sein kann als bei einer herkömmlichen Schicht derselben Fläche. Dies deutet auf einen neuen Weg für die optische Computertechnik hin, bei dem das Ziel nicht darin besteht, immer größere und mehrschichtige Stapel zu bauen, sondern intelligentere, komplexere Einzelelemente zu entwickeln.

Die Arbeit klärt auch die Kompromisse, die mit einem solchen System verbunden sind. Während der einzelne Streuer eine massive Erhöhung der Parameterdichte bietet, eliminiert er nicht die Notwendigkeit, dass Licht eine gewisse Strecke zurücklegen muss, um das Teilchen zu erreichen oder nach der Streuung gesammelt zu werden. Das Eingangsbild muss immer noch vorbereitet und fokussiert werden, und das Ausgangssignal muss immer noch ausgelesen werden. Indem man jedoch die gesamte trainierbare Transformation in ein einziges winziges Volumen konzentriert, reduziert das System den physischen Fußabdruck der Recheneinheit selbst drastisch. Dies macht es zu einem vielversprechenden Kandidaten für die nächste Generation kompakter, Hochgeschwindigkeits-Optikprozessoren, die schließlich in die Chips von morgen integriert werden könnten.

Letztendlich präsentiert die Arbeit eine überzeugende Vision der Zukunft des Computings. Sie zeigt, dass wir durch das Verständnis der tiefen Physik der Wechselwirkung zwischen Licht und Materie ein einfaches, winziges Teilchen in einen leistungsstarken Prozessor verwandeln können. Die Forscher haben gezeigt, dass die komplexe Aufgabe der Mustererkennung in der Art und Weise kodiert werden kann, wie ein einzelnes Objekt Licht streut, vorausgesetzt, dieses Objekt ist mit der richtigen internen Struktur gestaltet. Dieser Ansatz stellt die lang gehegte Überzeugung in Frage, dass optische Computer groß und vielschichtig sein müssen, und bietet stattdessen einen Weg zu dichter, effizienter und physikalisch realisierbarer optischer Intelligenz.