小脳を模した光ニューラルネット回路
～超高速・省電力の光リザバー計算チップを実現～

金沢大学 理工研究域 機械工学系の砂田 哲 教授と埼玉大学 大学院理工学研究科 数理電子情報部門の内田 淳史 教授の共同研究グループは、小脳を模したニューラルネットワークの一種であるリザバー計算を、光を用いて超高速かつ低消費電力で処理可能な新しい光回路チップを作製しました。

近年の人工知能（ＡＩ）・機械学習の急速な進展により、コンピューティングの需要が爆発的に増加している一方で、電子を情報の担い手とする既存コンピューティング技術の進展の限界が指摘されています。そこで、新たなコンピューティング技術として光を利用したニューラルネット処理が注目され、現在、世界的に研究開発が進んでいます。しかし、既存研究では１次元的な細い光配線によって光回路を構成しているため、光波動の空間的な自由度を生かせず高密度な実装・演算が困難であり、その演算速度において限界がありました。

本研究では、光波動の空間的自由度を生かして光の“ニューロン”を微小領域中に高密度かつ大規模に実装できる光回路を設計・試作し、これを用いてリザバー計算が超高速かつ低消費電力で実現可能であることを示しました。本研究で開発した光回路では、空間的に連続に分布する光のニューロンの“場”を形成できます。そのため、原理的に光波長スケール（数百ナノメートル）の間隔で（仮想）光ニューロンが配置されたような実装が可能となり、その高密度性を生かして最先端の光リザバー回路チップの６０倍以上の高速性、電子回路の１００倍以上の省エネ性を実現できる可能性を秘めていることが明らかにされました。

今後、本研究の光回路チップをさらに高度化することで、ＡＩ処理の超高速化や省エネ化が可能となり、これまで捉えることのできなかった高速現象の異常検知・認識などへの応用が期待されます。また、光通信や光計測分野を始めとしたさまざまな分野への応用が期待されます。本研究成果は、２０２１年１１月１日（日本時間）に米国光学会誌「Ｏｐｔｉｃａ」に掲載されました。