Mie Optical Computing

Auf der Suche nach schnelleren und effizienteren Computern haben Wissenschaftler schon lange das Licht als potenziellen Ersatz für Elektrizität im Blick. Traditionelle Computer verarbeiten Informationen mithilfe von Elektronen, die durch Siliziumchips fließen, aber Licht ist schneller und kann gleichzeitig mehr Daten übertragen, ohne so viel Wärme zu erzeugen. Dieses Feld, bekannt als optisches Computing, zielt darauf ab, Maschinen zu bauen, die Bilder und Daten mit Lichtstrahlen anstelle von elektrischen Strölen verarbeiten. Jahrelang stützten sich die führenden Designs für diese lichtbasierten Computer auf komplexe Stapel von Schichten, ähnlich einem mehrstöckigen Gebäude, in dem das Licht zwischen den Etagen hin und her springt. Jede Schicht fungiert als Filter oder Spiegel, der das Licht leicht verändert, bevor es zur nächsten Schicht gelangt. Obwohl diese Systeme effektiv sind, sind sie sperrig, schwer zu verkleinern und benötigen viel Platz, um selbst einfache Aufgaben zu erfüllen. Die grundlegende Herausforderung bestand darin, wie man genügend Rechenleistung in ein winziges, einzelnes Stück Material packen kann, ohne eine massive, weitläufige Struktur zu benötigen.

Ein Team von Forschern der ITMO University in Russland und der Universität Brescia in Italien hat eine radikale Lösung für dieses Problem vorgeschlagen: Anstatt eine mehrschichtige Maschine zu bauen, schlagen sie vor, einen einzigen, winzigen Partikel zu verwenden, um die gesamte Arbeit zu erledigen. In ihrer Studie zeigten sie, dass ein einzelnes Partikelchen aus Material, etwa so groß wie eine Wellenlänge des Lichts, Muster genauso gut erkennen kann wie ein viel größeres, komplexeres System. Sie konzentrierten sich auf eine spezifische Art der Wechselwirkung namens Mie-Streuung, die auftritt, wenn Licht auf ein Partikel trifft, das in seiner Größe vergleichbar mit der Wellenlänge des Lichts ist. Wenn Licht auf ein solches Partikel trifft, prallt es nicht einfach nur ab; es regt eine komplexe interne Vibration innerhalb des Partikels an, was dazu führt, dass es das Licht in einer hochspezifischen, gemusterten Weise wieder aussendet. Die Forscher erkannten, dass sie, wenn sie die interne Struktur dieses Partikels sorgfältig kontrollieren könnten, es so programmieren könnten, dass es mathematische Berechnungen allein durch die Art und Weise durchführt, wie es das Licht streut.

Das Team testete diese Idee, indem es das Partikel eine klassische Aufgabe stellen ließ: das Identifizieren handgeschriebener Zahlen. Sie nahmen Bilder von Ziffern von Null bis Neun, kodierten sie in die Phase eines Lichtstrahls und fokussierten diesen Strahl auf ein einziges, virtuelles Partikel. Das Partikel fungierte als Prozessor und transformierte das einfallende Licht basierend auf seinen internen Eigenschaften. Auf der anderen Seite maß eine Reihe von Detektoren die Intensität des vom Partikel gestreuten Lichts. Die Forscher trainierten dann die interne Struktur des Partikels mithilfe einer Computersimulation und passten dessen Eigenschaften an, bis das Streumuster die gezeigte Zahl korrekt identifizierte. In diesen Simulationen erreichte ein einzelnes Partikel mit einem Größenparameter von 15 (ein Maß für seine Größe relativ zur Wellenlänge des Lichts) eine Testgenauigkeit von etwa 90 Prozent. Diese Leistung ist vergleichbar mit einem einlagigen künstlichen neuronalen Netz, einem Standardtyp eines Computer-Algorithmus zur Mustererkennung, was beweist, dass ein einzelnes, kompaktes Objekt tatsächlich nicht-triviale Rechenaufgaben ausführen kann.

Einer der bedeutendsten Funde der Studie ist, wie viel mehr Informationen ein einzelnes Partikel im Vergleich zu traditionellen Schichtsystemen verarbeiten kann. In einem Standard-Optikcomputer ist die Menge der Informationen, die eine Schicht verarbeiten kann, durch die Anzahl der Pixel begrenzt, die in etwa durch die Wellenlänge des Lichts bestimmt wird. Ein einzelnes Partikel kann jedoch eine enorme Anzahl interner Vibrationsmodi oder „Kanäle“ unterstützen, die miteinander interagieren. Die Forscher fanden heraus, dass die Anzahl der anpassbaren Einstellungen oder Parameter innerhalb eines einzelnen Partikels viel schneller wächst als die Anzahl der Pixel in einer flachen Schicht, wenn das Partikel größer wird. Speziell skaliert die Dichte dieser trainierbaren Einstellungen in einem Partikel mit der vierten Potenz seiner Größe, während sie in einer flachen Schicht mit dem Quadrat skaliert. Das bedeutet, dass für ein Partikel, das nur etwas größer als die Wellenlänge des Lichts ist, die Menge der in sein winziges Volumen zu packenden Rechenleistung um Größenordnungen höher ist, als es ein flaches, geschichtetes Design im gleichen Raum erreichen könnte.

Die Studie untersuchte auch die physikalischen Grenzen, die die Natur einem solchen Gerät auferlegt. Reale Materialien müssen bestimmte Regeln befolgen, wie etwa die Reziprozität (die Vorstellung, dass Licht in beide Richtungen – vorwärts oder rückwärts – gleich reagiert) und die Passivität (die Regel, dass ein passives Objekt keine Energie erzeugen kann, sondern nur das aufnehmen oder streuen kann, was es erhält). Die Forscher testeten, wie diese physikalischen Gesetze die Fähigkeit des Partikels zum Rechnen beeinflussten. Sie fanden heraus, dass die Anforderung, das Partikel passiv zu halten, die maximale Genauigkeit zwar leicht reduzierte, das System aber auch robuster machte. Ein passives Partikel war weniger anfällig für kleine Fehler oder Rauschen im Licht und wirkte somit als natürlicher Stabilisator. Darüber hinaus zeigten sie, dass das Partikel selbst unter diesen strengen physikalischen Einschränkungen immer noch mit hoher Genauigkeit Zahlen erkennen konnte und bei einem Design als nicht-absorbierendes dielektrisches Objekt bis zu 84 Prozent erreichte.

Um zu beweisen, dass dieses Konzept nicht nur ein mathematischer Trick war, sondern in der realen Welt existieren kann, entwarf das Team eine spezifische physische Form für das Partikel. Sie erschufen eine virtuelle, inhomogene Kugel, das heißt eine Kugel aus verschiedenen Materialien, die in einem präzisen Muster gemischt sind. Durch die Anpassung der Materialdichte an verschiedenen Punkten innerhalb der Kugel konnten sie deren Streueigenschaften abstimmen. Die Simulationen zeigten, dass diese speziell entworfene Kugel erfolgreich handgeschriebene Ziffern klassifizieren konnte. Die optimalen Formen waren komplex und vielfältig und beruhten auf koordinierten Interaktionen zwischen vielen verschiedenen internen Resonanzen statt auf einem einzigen einfachen Effekt. Obwohl eine solch fein detaillierte Struktur mit heutiger Technologie schwierig herzustellen wäre, dient die Studie als Proof-of-Principle. Sie demonstriert, dass die komplexen Berechnungen, die für das optische Computing erforderlich sind, nicht zwangsläufig ein großes, mehrschichtiges Gerät erfordern, sondern in der multipolaren Antwort eines einzigen, kompakten Streukörpers konzentriert werden können.

Diese Arbeit eröffnet einen neuen Weg für das Design von optischen Computern, die unglaublich klein und effizient sind. Indem die Forscher den gesamten Rechenprozess in ein einziges Objekt konzentrieren, können sie potenziell diese Prozessoren direkt auf Computerchips integrieren und so die Lücke zwischen lichtbasierter Verarbeitung und elektronischen Schaltkreisen schließen. Die Studie legt nahe, dass die Zukunft des optischen Computings nicht darin liegen könnte, größere, komplexere Stapel von Spiegeln und Linsen zu bauen, sondern darin, die komplizierte Physik eines einzigen, winzigen Materiepartikels zu beherrschen. Während die Forscher ihre Designs weiter verfeinern, rückt die Möglichkeit, ultraschnelle, energieeffiziente optische Prozessoren zu bauen, die auf die Spitze eines Pins passen, aus dem Bereich der Theorie in die Nähe der Realität.