高クロックレート自由空間光インメモリ演算

日常のスマート技術にとっての重要性

自動運転車や配送ドローンから高速取引、遠隔手術に至るまで、意思決定を一瞬で行う必要があり、しかもその多くが大規模データセンターから遠く離れた場所で行われます。現在の電子機器は発熱やバッテリー消耗といった問題なしに対応するのが難しいのが現状です。本論文は、重要な人工知能タスクを非常に高速かつ低エネルギーで実行できる新しい光ベースの演算エンジンを紹介しており、ネットワークの“エッジ”上でのスマートデバイスの動作を一変させる可能性があります。

光を計算機に変える

現代のAIは基本的にある演算に大きく依存しています：大きな数値の格子を掛け算して足し合わせる操作で、これは小さな型紙を画像の上に何度も滑らせて中身を集計する作業に似ています。電子でチップ上でこれを行うのは強力ですが非効率で、メモリとプロセッサの間でデータを絶えず往復させる必要があります。研究者たちは代わりに、光が空間内で多くの処理を担うシステム、FAST‑ONNを構築しました。小さな半導体レーザーを整然と並べたグリッドを使って画素を光の強度として符号化し、そのビームを光学素子に通すことでニューラルネットワークの“重み”を空間上で直接適用し、最後に光センサーで結果を電気信号に戻します。

光学エンジンの構成

システムの中核には、垂直共振器面発光レーザー（VCSEL）として知られる微小レーザーの密集配列があります。5×5のグリッドの各デバイスは小さな画像パッチの1画素を表し、ギガヘルツ級、すなわち1秒間に数十億回の切り替えが可能です。パターン加工されたガラス素子はこのビーム群を複数のコピーに分割し、同じパッチを複数の異なるフィルタで並列に処理できるようにします。高解像度ディスプレイに似たプログラム可能な空間光変調器は、フィルタ値の“インメモリ”記憶の役割を果たします。その何百万もの小さな画素が光を減衰または通過させてニューラルネットワークの重みを表します。ビームはその後ファイバ結合検出器に収束し、各フィルタに対する光を合算して受光することで、畳み込みのバッチを一光学ステップで実質的に完了させます。

正と負の“思考”の扱い方

AIモデルは特定のパターンを強めるだけでなく、抑制する必要もあり、これには正の重みと負の重みの両方が必要です。光の強度は本質的に負にならないため、純粋な光学計算にとってこれは長年の課題でした。著者らは光を重み付きビームを通す信号経路と非重み付きの基準経路に分けることで解決しています。両経路は特別な対検出器に入力され、一方から他方を差し引くことで、光が少ない場合に負の寄与を表現できます。この巧妙な差動読み出しにより、光学ハードウェアは標準的なニューラルネットワークの挙動を模倣しつつ、ノイズやデバイスの小さな不完全性に対して頑健であり続けます。

システムの実用試験

FAST‑ONNが単なる物理実験ではないことを示すために、チームは実用的な認識タスクに接続して評価しました。彼らは光学エンジンを、物体検出の試験で広く使われるCOCO画像データセットで学習された標準のビジョンネットワークに接続しました。自動運転車シナリオを模した一つの実験では、交通場面の切り出し領域を解析して各領域に車両が含まれるかどうかを判断します。最も負荷の高い畳み込み層は光学ハードウェアにオフロードされ、残りの処理はデジタルで実行されます。光学版と純粋に電子的なモデルはほぼ一致し、車両と背景を区別する性能はほとんど同等でした。手書き数字や衣類の分類も示し、さらに光学システムが順伝播を計算しつつコンピュータが重みを更新し、その後で光変調器に再読み込みする形式の学習も実演しています。

速度、効率、今後の展望

現行の試作機では、5×5レーザーと9つのフィルタを同時使用して毎秒1億個の小さな画像パッチを処理しており、マイクロ秒スケールの意思決定時間で既にほぼ10億回の畳み込み演算を毎秒実行しています。詳細な解析によれば、より大きなアレイと高速の市販レーザーを用いれば、このアプローチは毎秒数万兆回規模の演算までスケールし得る一方で、主要な電子アクセラレータよりもはるかに少ないエネルギーで動作する可能性があります。主要コンポーネントがコンパクトで量産可能であるため、FAST‑ONNは最終的にカメラやドローン、その他のエッジ機器内に小型で低消費電力の光学コプロセッサを実装し、デバイスが“光で考える”ことで、世界の変化にほぼ即座に応答できるようになる可能性があります。

引用: Liang, Y., Wang, J., Xue, K. et al. High-clockrate free-space optical in-memory computing. Light Sci Appl 15, 115 (2026). https://doi.org/10.1038/s41377-026-02206-8

キーワード: 光ニューラルネットワーク, エッジAIハードウェア, VCSELアレイ, インメモリコンピューティング, 高速度畳み込み