OMLO – Optische Systeme für Klassisches und Quanten Computing zum Maschinellen Lernen im Orbit (OMLO)
Laufzeit des Vorhabens: -
Maschinelles Lernen (ML) ist heute die wichtigste Methode zur Verarbeitung von komplexen Sensordaten (wie Bild- und Videodaten). Das Standardverfahren hierfür ist die Verwendung künstlicher neuronaler Netze, die auf binaren Rechnerarchitekturen simuliert werden. Dies begründet den Bedarf nach stetig wachsender Rechenleistung, der am Boden zum Teil durch spezialisierte digitale Hardware wie Grafikkarten, Tensor-Flow Prozessoren, etc. bedient werden kann. Für die Datenprozessierung im Orbit stehen diese Möglichkeiten nur sehr eingeschränkt zur Verfügung, da die speziellen Anforderungen an Energieverbrauch, Thermalhaushalt und Strahlungshärte im Allgemeinen nicht erfüllt werden. Der Datentransfer zum Boden und die dortige Verarbeitung können aufgrund der immensen Datenmengen ebenfalls nur schwer realisiert werden. Daher wären hochperformante Rechner für die on-board Datenprozessierung wünschenswert. Optische Systeme für klassisches und Quanten Computing haben ein hohes Potential diese Lücke zu füllen und ML und andere komplexe Berechnungen auch unter Weltraumbedingungen zu ermöglichen. Dies würde einen technologischen Sprung in der Raumfahrt nach sich ziehen. Um dieses Potential zu heben verfolgt OMLO wissenschaftliche und technische Ziele, die allesamt der anwendungsorientierten Grundlagenforschung zuzurechnen sind.
Mathematische Grundlage künstlicher neuronaler Netze und damit des maschinellen Lernens sind Vektor-Matrix-Multiplikationen. Diese werden mit einzelnen Multiplikations- und Additionsoperationen (multiply and accumulate, MAC) realisiert, siehe Abb. 1. Mit Licht lassen sich MAC durch kontrollierte Abschwächung (Multiplikation) und anschließende Überlagerung optischer Signale (Addition) rein passiv realisieren. Gleichzeitig können verschiedene Wellenlängen zum effizienten Multiplexen mit der hohen Geschwindigkeit optischer Datenübertragung kombiniert werden. Hierdurch haben optische Prozessoren das Potential sehr hohe Rechenleistungen mit vergleichsweise geringem Energiebedarf zu realisieren, wobei eine natürliche Resistenz gegenüber ionisierender Strahlung gegeben ist.
Gleichzeitig lassen sich die zugrundeliegenden Basistechnologien (optische Schaltkreise und Detektoren) auch mit einzelnen und verschränkten Photonen betreiben und so prinzipiell direkt auch im Anwendungsfeld Quantentechnologie, insbesondere optischen Quantenprozessoren einsetzen. Hierbei ist insbesondere die Verbindung zwischen Quantenrechnern und maschinellem Lernen Anwendungsfeld mit höchstem Potential.
Abbildung: Wirkprinzip optischer Prozessoren für maschinelles Lernen sind künstliche neuroyale Netze, bestehend aus einzelnen Neuronen (a), welche auf Vektor-Matrix-Multiplikation beruhen, bzw. auf den zugrundeliegenden Multiplikations- und Additionsoperationen (multiply accumulate, MAC).
Ansprechpartner
TU Berlin
Fachgebiet Raumfahrttechnik
Prof. Dr. Enrico Stoll
E-Mail: e.stoll@tu-berlin.de
https://www.tu.berlin/raumfahrttechnik
TU Berlin
AG Physikalische Grundlagen der IT-Sicherheit
Janik Wolters
E-Mail: j.wolters@tu-berlin.de
https://www.tu.berlin/fits