金沢大学理工研究域機械工学系の砂田哲准教授，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および菅野円隆助教の共同研究グループは，脳のような高度かつ柔軟な情報処理を光の物理現象に担わせることで，ニューラルネットワーク（※）のような機械学習が可能となることを実証しました。
近年のビッグデータ処理やAI（人工知能）技術の進展に伴い，革新的コンピューティング技術の開発が進んでいますが，電子型デバイスとしてのニューラルネットワーク構築は処理速度やエネルギー効率の観点で限界が指摘されています。他方，高速性とエネルギー効率の高さを持つ光回路によるニューラルネットワークの構築がこれまでに提案されてきましたが，1次元的な光導波構造を利用してきたため大規模な実装が困難でした。
本研究では，スペックル現象と呼ばれる光学現象に着目し，光の干渉現象によって生み出される多様な波動現象を利用した新しい計算原理に基づく機械学習により，複数の時系列信号の高速予測処理が可能であることを見いだしました。この光波動の計算システムは，従来の電子型コンピュータよりも飛躍的に高効率な情報処理を実現する可能性を秘めているだけでなく，1つの光デバイスで独立した複数のタスクを並列的に実行できる特徴を有します。
今後，本計算原理をさらに高度化することにより，高速性と並列性を兼ね備えた新しいAIチップへの発展が期待されます。さらに，光通信分野での情報処理効率を飛躍的に高めるデバイスとしての応用も期待できます。
本研究成果は，2020年9月29日1時（日本時間）に米国光学会誌『Optics Express』に掲載されました。
図1．スペックルパターンの例
入射光の波長などのパラメータの変化に応じて，スペックルパターンは敏感に変化する。従って，処理すべき信号に応じて，入射光の波長を変調し，スペックルを生成するデバイスに入力すれば，その信号に対応するスペックルパターンが生じる。
図2．本研究のイメージ図
音声信号で変調した光をスペックル生成器へ入力し，その応答パターンを測定することで，簡単に音声などの認識も可能になる。
【用語解説】
※ ニューラルネットワーク
脳内にある神経回路網の一部を模した数理モデル。近年の人工知能の中核的機能を担っている。
研究者情報：砂田 哲
PAGE TOP