Reconfigurable Photonic Quasi-Unitary Computing Hardware for Optical Signal Processing
本論文は、高性能な光信号処理および回帰型ニューラルネットワークへの応用を可能にするため、オンチップ行列実装における従来のトレードオフを克服した、コンパクトでスケーラブルかつエネルギー効率の高いシリコンフォトニクス準ユニタリデバイスを提案する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
コンピューティングの世界は壁に突き当たっています。数十年にわたり、電子機器の速度はおよそ2年ごとに倍増してきました。これはムーアの法則として知られる傾向です。しかし、チップ内部の極小のトランジスタがますます小さくなるにつれ、それらは物理的な限界に直面しています。コンポーネントを詰め込みすぎるとこれ以上収まりきらなくなり、さらに高速化しようとすると熱が発生しすぎて溶けてしまうのです。デジタル世界を動かし続けるために、科学者たちは電気に依存しない新しい情報処理の方法を探しています。彼らが注目しているのは「光」です。光は電気よりも速く移動し、一度に多くのデータを運び、熱をほとんど発生させません。「集積フォトニクス・コンピューティング」と呼ばれるこの分野は、計算を行うために電流の代わりに光のビームを使用するコンピュータ・チップの構築を目指しています。その目標は、現代の電子機器が抱えるエネルギーコストや速度制限なしに、現代の人工知能（AI）の膨大なデータ需要を処理できるマシンを作り出すことです。
しかし、課題は、光を微細なチップ内で制御することが非常に難しいという点にあります。光を用いて有用な数学的演算を行うには、「行列乗算」と呼ばれる特定の操作を行う必要があります。光の世界において、これは問題を解決するために、光のビームを再配置して互いに干渉させることを意味します。これを実現する最も信頼できる方法は、光のビームを分割・結合するデバイスである「干渉計」のグリッドを使用することでした。しかし、これらのグリッドを構築することは、レンガを一つずつ積み上げて超高層ビルを建てるようなものです。より複雑なタスクを処理するためにグリッドが大きくなればなるほど、チップは不可能に巨大になり、製造も困難になります。コンポーネントが場所を取りすぎ、コンポーネントを追加すればするほど、製造上のわずかなエラーが計算を台無しにする可能性が高まるのです。
浙江大学とファーウェイ（Huawei Technologies）の研究チームは、この問題を解決する新しい方法を見出しました。膨大な個別のコンポーネントのグリッドを構築する代わりに、彼らは光の回折という自然な振る舞いを利用して、これらの複雑な計算を行う単一のコンパクトなデバイスを設計しました。彼らはこの発明を「フォトニック準ユニタリ計算ユニット」と呼んでいます。このデバイスは標準的なシリコン・チップ上に構築されており、古い分光器に見られる回折格子に似ていますが、決定的な違いがあります。それは、光を導く微細なチャネルである「導波路」の特別な配置を用いて、少数の入力チャネルからより大きな中間空間へとデータを持ち上げ、再び戻す仕組みです。このプロセスにより、数千の個別のコンポーネントを必要とすることなく、必要な数学的演算を行うための光の混合と干渉が可能になります。
研究者たちは、このデバイスの物理的なバージョンをシリコン・チップ上に構築しました。チップの核となる部分は非常に小さく、わずか0.65ミリメートル×2.15ミリメートルです。この極小の領域の中で、彼らは32種類の異なる入力信号を同時に処理できるシステムを作り上げました。デバイスは、入ってくる光を32の別々の経路に分割し、それらが回折・混合する領域を通過させてから、再び結合することで機能します。中間セクションにおいて、微小なヒーターを用いて光の位相を調整することで、研究者はデバイスを異なる数学的タスクを実行できるように再プログラムできます。この柔軟性が鍵となります。このデバイスは、厳密な意味での完璧な「ユニタリ」システムの数学的規則を細部まで完全に遵守しているわけではありませんが、高度な精度を実現できるほど十分に近く、かつ、より多くの仕事に対して再構成できる自由度を高く備えています。
この新しいハードウェアが実際に機能するかどうかをテストするために、チームはこれを用いて「フォトニック・リカレントニューラルネットワーク」を構築しました。これは、音声や株価の動向のように、時間の経過とともに変化するデータを扱うのが特に得意な人工知能の一種です。彼らはチップに2つの困難なテストを行わせました。第一に、マッキー・グラス系列として知られるカオス的な時系列信号の予測です。これは、信号が予測不可能で微細な変化に敏感であるため、AIの標準的なテストとなります。フォトニック・チップは、約0.0023のエラー率で、このシーケンスの次のステップを予測することに成功しました。これは、他のフォトニック・システムに匹敵するか、それを上回る精度です。第二に、彼らはファイバー光ケーブルを伝わる歪んだ信号を修正するためにこのチップを使用しました。現実世界の通信では、信号は伝送路であるガラス繊維によって乱されることがよくあります。研究者たちは、16の異なるデータチャネルが激しく歪み、ビットエラー率が0.9（つまり、データがほぼ完全にめちゃくちゃになっている状態）であるシナリオをシミュレートしました。光が彼らの新しいチップを通過した後、エラー率は0.0018まで低下し、元のメッセージを効果的に復元しました。
この研究の意義は、これら2つのテストにとどまりません。研究者たちは、現在のチップにある低速な加熱素子を高速なモジュレータに置き換えれば、このデバイスは理論上、毎秒102.4兆回の演算を実行できると算出しました。さらに、デバイスは光を使用し、計算に極めて少ない電力しか消費しないため、1ワットあたり42.1兆回の演算というエネルギー効率を達成できる可能性があります。これは、最先端の商用電子コンピューティング・チップであるNVIDIA B120（原文ママ：B100）よりも1桁高い数値です。また、この設計はシリコンチップの製造に使用されている既存の製造プロセスと互換性があるため、全く新しい工場を必要とせずに量産することが可能です。
この研究は、光学コンピュータの構築競争における重要な一歩を象徴しています。従来の、かさばるコンポーネントのグリッドから脱却し、光の自然な広がりを利用した設計を採用することで、チームは、微細なチップ上に強力で再構成可能な計算ユニットを構築できることを示しました。彼らは、光が単にデータを伝送するだけでなく、高速かつ低エネルギーで能動的にデータを処理できることを証明しました。現在のバージョンのデバイスは加熱制御の速度によって制限されていますが、基礎となるアーキテクチャは、拡張可能でエネルギー効率の高いフォトニック・コンピューティングへの道が開かれていることを証明しています。この研究は、人工知能の重労働が光によって行われ、現在のデジタル世界を縛っている熱と速度の限界から解放される未来を示唆しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。