Photonische Bayesian-Maschine ermöglicht schnelle Unsicherheitsanalyse in KI

In einer Zeit, in der KI‑Modelle immer mehr sicherheitskritische Entscheidungen treffen, wird die Fähigkeit, Unsicherheiten zu erkennen, zum entscheidenden Qualitätsmerkmal. Forscher haben deshalb eine photonic Bayesian Machine entwickelt, die die natürliche Unordnung chaotischer Lichtquellen nutzt, um Unsicherheitsabschätzungen innerhalb von Bayesian Neural Networks zu ermöglichen.

Der analoge Prozessor arbeitet mit einer beeindruckenden digitalen Schnittstelle von 1,28 Tbit/s und ist vollständig kompatibel mit PyTorch. Dadurch können probabilistische Convolutional Layers in nur 37,5 ps pro Operation ausgeführt werden – ein Durchbruch, der die bisherige Flaschenhalsproblematik der Pseudo‑Zufallszahlengenerierung in digitalen Systemen umgeht.

In einem Anwendungsbeispiel wurden Blutkultur‑Microskopbilder gleichzeitig klassifiziert und auf Out‑of‑Domain‑Samples geprüft. Die Maschine zeigte dabei, wie sie zwischen aleatorischen und epistemischen Unsicherheiten differenziert, und demonstrierte damit die praktische Relevanz für medizinische Diagnostik und andere sicherheitskritische Felder.

Durch die drastische Reduktion des Samplingsaufwands und die Nutzung von Licht als natürlicher Zufallsquelle eröffnet die photonic Bayesian Machine neue Wege für hochgeschwindigkeits‑ und vertrauenswürdige KI‑Systeme, die in Echtzeit Unsicherheiten erkennen und bewerten können.