„Werbung: Die Zukunft braucht eure Ideen! Die Bundesagentur für Sprunginnovationen SPRIND sucht nach innovativen Konzepten, die unser aller Leben spürbar und nachhaltig besser machen. Dazu gibt es zwei gerade wieder zwei aktuelle Challenges, bei denen ihr mitmachen könnt! In der ersten Challenge geht es um Langzeitspeicher für Energie, die wir unbedingt für die Energiewende brauchen. Die zweite Challenge dreht sich um den Computer der Zukunft, der mehr Leistung haben und weniger Energie verbrauchen soll. Wenn ihr eine Idee habt, schaut unbedingt mal bei https://www.sprind.org/ vorbei, denn SPRIND kann euch dabei helfen, diese Idee Realität werden zu lassen!“ Für eine schnellere Internetverbindung werden immer mehr Glasfaserkabel verlegt. Durch die Glasfasern fließt ja kein Strom, sondern Lichtimpulse, mit denen die Informationen viel schneller übertragen werden können. Bisher gilt das nur für den Datentransport, die Datenverarbeitung in den Computern funktioniert weiterhin elektronisch. Aber genau das könnte sich bald ändern, denn die Photonik - also die Nutzung optischer Verfahren zur Datenverarbeitung - könnte die elektronische Chiptechnologie bald ablösen. Besonders für sogenannte Deep Neural Networks und auch für Quantencomputer, wäre das ein riesiger Fortschritt. Wir sprechen heute darüber, was genau optische Computer sind, welche Technik dahinter steckt und ob auch in unseren privaten Rechnern bald Licht statt Strom fließt. Außerdem schauen wir uns einen ersten photonischen Chip von der Firma Lightelligence an, der angeblich 800 mal schneller ist als ein aktueller Grafikprozessor. Breaking Lab bei Instagram: https://www.instagram.com/breakinglab/?hl=de Dieses Video ist in meinem Breaking Lab-Team entstanden. Verantwortlich aus der Redaktion: Jan-Philip Kraayvanger, Tabea Desch, Johannes Polotzek, Jacob Beautemps; Editing: Lukas Loibl, Saskia Mittermeier, Jessica Hawich, Jonathan Arndt Quelle 1: https://www.spektrum.de/news/optische-ki-rechnen-mit-der-glasfaser/1976071 Quelle 2: https://www.didaktik.physik.uni-muenchen.de/archiv/inhalt_materialien/milq/interferometer.pdf Quelle 3: “Mind at Light Speed”, David D. Nolte https://books.google.de/books?id=Q9lB-REWP5EC&pg=PA34&redir_esc=y#v=onepage&q&f=false Quelle 4: https://www.nature.com/articles/s41586-020-2973-6 Quelle 5: https://arxiv.org/abs/1311.2913 Quelle 6: https://analyticsindiamag.com/lightelligences-pace-a-major-breakthrough-in-optical-computing/ Quelle 7: https://www.heise.de/hintergrund/Laserschwert-fuer-Big-Data-3997683.html Quelle 8: https://physicsworld.com/a/optical-chipmaker-focuses-on-high-performance-computing/ Quelle 9: https://opg.optica.org/ao/abstract.cfm?uri=ao-24-10-1469 Quelle 10: https://www.lightelligence.ai/technology/product Quelle 11: https://www.scinexx.de/news/technik/optischer-transistor-ein-photon-reicht/ Quelle 12: https://www.allround-pc.com/news/2020/nvidia-ampere-details-geforce-rtx-3090-mit-28-milliarden-transistoren Quelle 13: https://www.nature.com/articles/s41377-020-0325-9 Quelle 14: https://cs230.stanford.edu/projects_spring_2018/reports/8286374.pdf Quelle 15: https://opg.optica.org/optica/fulltext.cfm?uri=optica-8-12-1515&id=465446 Quelle 16: https://www.itwissen.info/Daempfung-attenuation-ATT.html Bildquellen: https://commons.wikimedia.org/wiki/File:Transistorer_(cropped).jpg https://www.lightelligence.ai/index.php/news.html https://commons.wikimedia.org/wiki/File:Example_of_a_deep_neural_network.png https://commons.wikimedia.org/wiki/File:Interferenz.jpg https://commons.wikimedia.org/wiki/File:Michelson_Interferometer_scheme.png https://opg.optica.org/optica/fulltext.cfm?uri=optica-8-12-1515&id=465446 https://commons.wikimedia.org/wiki/File:Optical_fiber_cable-06ASD.jpg https://commons.wikimedia.org/wiki/File:White-Light-Interference.svg https://de.wikipedia.org/wiki/Interferenz_(Physik)#/media/Datei:Interferenz_sinus.svg Ich bin Jacob Beautemps und mache gerade meinen Doktor an der Universität zu Köln. Vor drei Jahren habe ich zusammen mit Philip Häusser diesen YouTube Kanal gegründet und seit 2018 stehe ich nun selbst vor der Kamera. In meiner Forschung an der Uni geht es um das Thema "What comprises a successful educational YouTube video?: the optimization of YouTube videos’ educational value through the analysis of viewer behavior and development via machine learning." Oder kurzgesagt: Wie lernt man auf YouTube und wie können wir das mit künstlicher Intelligenz optimieren. Dies fließt natürlich stark in meine YouTube Videos mit ein, denn hier geht es auch darum möglichst viel über Physik, Chemie, Technik und andere naturwissenschaftliche Themen zu lernen. Hat dir das Video gefallen? Klick auf "Daumen hoch" und lass ein Abo da! Dein Feedback motiviert mich zu neuen Videos. Dankeschön :-)