ペロブスカイトベースの全光フォトニックシナプスを用いた多次元かつ再構成可能な光ニューロモルフィック計算

学習する光

現代の人工知能を支えるコンピュータは、記憶と処理を別々のチップ間でデータを行き来させるため、時間とエネルギーを浪費します。本研究はまったく異なるアプローチを探ります：光そのものを情報の担い手であると同時に脳のような学習を行う手段として用いるのです。研究者たちは「全光シナプス」と呼ばれる、過去の光パルスを記憶する小さな光制御素子を構築し、これらの素子を多数集めることで、ハードウェアの配線を変えることなくパターン認識や環境への適応が可能であることを示しました。

光と空気で変化する薄膜

研究の核心は、光と空気中の水分に対して異常に感受性の高いペロブスカイト材料から作られた薄膜です。紫外線が薄膜に当たると結晶構造が再配列して暗くなり、より多くの可視光を遮るようになります。光が取り除かれ、材料が環境から水分を吸収すると、ゆっくりとより透明な状態へ戻ります。この往復変化は完全に可逆で、多数のサイクルや数か月の保管にわたって非常に安定しています。通過する光の量がほぼ透明から強く着色された状態まで大きく変動できるため、脳のニューロン間の可変結合強度のように、さまざまな「重み」を符号化する幅広い余地を提供します。

記憶する光学的シナプス

研究者たちは薄膜の透過率変化を光学メモリとして扱います。連続した光パルスは薄膜の応答を一時的に増強し、信号が短時間に続けて到達したときに実際のシナプスが一時的に強まる現象を模倣します。パルスの回数、繰り返し頻度、強度を変えることで、装置を短時間で消える記憶から長期間持続する記憶へと制御でき、脳の短期記憶と長期記憶の区別を反映します。周囲の湿度も調整ノブの役割を果たします：空気が乾燥していると材料の回復が遅くなり光パルスの「記憶」が長く保存され、湿度が高い条件では忘却が早まります。

ひとつの素子から多くの手がかりを読む

薄膜の応答は光の強度、露光時間、湿度という複数の要因に同時に依存するため、同じ種類のシナプス1つで環境に関する多次元的な情報を自然に担います。研究チームはさまざまな条件下で薄膜の透過率が時間とともにどのように変化するかを記録し、それらの時系列を時間に沿ったパターン認識に優れる再帰型ニューラルネットワークに入力しました。すべての情報が単一の光学信号から得られているにもかかわらず、ネットワークは異なる光強度、パルス持続時間、湿度レベルを完全な精度で識別することを学び、これらのフォトニックシナプスがメモリ要素であると同時に豊かで時間感度のあるセンサーとして機能し得ることを示しました。

光だけでタスクを再配線する

実用的な計算能力を示すために、著者らはこれらの薄膜を配列化して回折光学ニューラルネットワークの調整可能な要素として用いました。これは画像が電子回路を介するのではなく、薄いパターン化層を通過することで処理される仕組みです。ペロブスカイトシナプスに異なるプログラミング光シーケンスを照射することで、各位置で最大80段階の異なる透過率を設定でき、物理的な変更を加えずにネットワークの内部パラメータを実質的に調整できます。ある一組の光学的“重み”では手書き数字を分類し、別の組では別のデータベースの衣料品アイテムを識別しました。どちらのタスクも同じハードウェアで処理され、シナプスの光駆動更新によって単に再構成されたものです。

将来の機械にとっての意味

この研究は、単純な光感受性薄膜がニューラルネットワークの賢い調整可能な接続のように振る舞い、透過率に情報を格納し、最近の信号と周囲の環境の両方に応じて異なる応答を示すことを示しています。多数のこうした要素を組み合わせることで、従来の電子回路を用いずに、高速かつ低エネルギーで感知、記憶、適応できる光学システムが構築できます。日常語で言えば、同じ光ベースの材料で「目」と「脳」を作り、見た光から直接学び、新しい照明パターンだけで振る舞いを変えるカメラやセンサーへの一歩です。

引用: Zi, J., Sun, J., Yang, B. et al. Multidimensional and reconfigurable optical neuromorphic computing using perovskite-based all-photonic synapses. Commun Mater 7, 92 (2026). https://doi.org/10.1038/s43246-026-01097-x

キーワード: 光ニューロモルフィック計算, ペロブスカイトシナプス, 全光メモリ, 再構成可能フォトニクス, 回折型ニューラルネットワーク