Neuer Frequenztrick soll analoge Computer endlich groß machen

Analoge Computer gelten als effizient, aber unberechenbar. Bisher scheiterte ihr Durchbruch an der Skalierbarkeit. Jetzt haben Forscher einen Trick gefunden - und der könnte das Tor zu einer neuen Ära der künstlichen Intelligenz aufstoßen.

Analoge KI-Chips: Durchbruch mit Frequenztechnik

Analoge Rechner verarbeiten Informationen nicht digital, sondern als physikalische Größen - etwa als Spannungen, Frequenzen oder akustische Wellen. Dadurch verbrauchen sie deutlich weniger Energie. Der Unterschied zu Digitalrechnern: Zwar nutzen auch diese Spannungen, doch immer nur, um streng zwischen "0" und "1" zu unterscheiden.

Analoge Systeme hingegen verwenden die Größe direkt - eine bestimmte Spannung oder Schwingung steht unmittelbar für einen Wert. So entstehen Rechenoperationen im Material selbst, ohne dass Millionen Transistoren sie erst simulieren müssen. Doch bisher scheiterte ihre Verbreitung: Will man größere Systeme bauen, addieren sich Abweichungen zwischen den einzelnen Bauteilen, bis die Ergebnisse ungenau werden.


Ein Forscherteam von Virginia Tech, Oak Ridge National Laboratory und der University of Texas at Dallas hat nun eine Lösung gefunden. Statt immer mehr Bauteile zu verschalten, packen sie viele Rechenoperationen in ein einziges Element. Dazu nutzen sie den "synthetischen Frequenzbereich": Daten werden bei verschiedenen Frequenzen codiert, ähnlich wie Radiosender, die sich denselben Äther teilen.

Wie funktioniert der synthetische Frequenzbereich?
Als Plattform dient ein Chip aus Lithium-Niobat, in dem akustische Wellen laufen. Diese Bauteile verhalten sich nichtlinear - das heißt: Die Antwort auf ein Eingangssignal ist nicht einfach proportional, sondern kann komplexere Effekte hervorbringen. Genau diese Eigenschaft nutzen die Forscher, um mathematische Operationen wie Matrixmultiplikationen direkt im Material auszuführen.

Realer Test gelingt

Mit dieser Technik ließ sich ein kleines neuronales Netzwerk realisieren, das Daten automatisch in Gruppen sortieren kann. In einem Test, bei dem Eingaben einer von vier Kategorien zugeordnet werden mussten (eine typische Übungsaufgabe für maschinelles Lernen), erreichte das System eine Genauigkeit von 98,2 Prozent - ein Wert, der mit klassischen Verfahren vergleichbar ist, obwohl hier nur ein einziges Bauteil verwendet wurde.

Der Ansatz hat weitere Vorteile: Da alle Frequenzen in nur einem Bauteil verarbeitet werden, treten keine Abweichungen zwischen verschiedenen Chips auf. Zudem bleibt die Leistung stabil, selbst bei Temperaturen bis 192 °C. Das macht die Technik attraktiv für Anwendungen am Rand der Netze - etwa Sensoren oder KI-Systeme, die in rauer Umgebung energieeffizient arbeiten müssen.

Die Ergebnisse, veröffentlicht in Nature Electronics (DOI: 10.1038/s41928-025-01436-9), zeigen, dass analoge Rechner nicht nur theoretisch spannend sind. Mit dem synthetischen Frequenzbereich könnte sich eine Plattform etablieren, die maschinelles Lernen künftig schneller und stromsparender macht.


Siehe auch: