Inverse-designed subwavelength metamaterial 3×3 reconfigurable power distributor for high-density programmable photonic computing

現代の世界を動かしているシリコンチップの内部では、情報の担い手として電気に代わり、光がますます採用されるようになっています。フォトニクスとして知られるこの転換は、光が電子信号を遅らせる熱や抵抗なしにデータを移動できるため、より高速でエネルギー効率の高いコンピュータを実現することを約束しています。しかし、根本的なボトルネックが、これら光学システムの潜在能力を阻んできました。数十年にわたり、チップ上で光をルーティングするために使用されてきた基本的な構成要素は、光線をわずか2つの可能な経路のうち1つに送ることしかできない単純なスイッチに限定されてきました。この2方向という制約により、エンジニアは、たとえささやかな計算を行うためであっても、複雑で広大なコンポーネントのネットワークを構築せざるを得ず、貴重なスペースを消費し、単一のチップにどれほどの計算能力を詰め込めるかを制限してきました。高速データ処理の需要が高まるにつれ、光を制御するための、よりコンパクトで柔軟な方法が急務となっています。

華中科技大学の研究チームは、この2方向の限界を打ち破る新しいアプローチを実証しました。彼らは、単一の光線を3つの異なる経路に分割し、各経路に送られる光の量を意図通りに調整できる、極小の再構成可能なデバイスを作り出しました。製造時にその挙動が固定されてしまう従来のデバイスとは異なり、この新しいコンポーネントは電気信号を用いて動的にチューニングすることができます。チップ上の微細な加熱素子に特定の電圧を印加することで、研究者はデバイスに入る光の位相を変化させ、3つの出力チャネルにどの程度の電力を送るかを正確に決定することができます。この能力により、デバイスは単なる分配器から、光を用いて直接複雑な数学的演算を実行できるプログラマブルなツールへと変貌を遂げ、高密度で高性能な光学コンピュータを構築するための重要なステップとなります。

この成果の鍵は、「逆設計（インバースデザイン）」と呼ばれる設計戦略と、「メタマテリアル」として知られる材料構造にあります。研究者たちは、馴染みのある形状から微調整していくのではなく、コンピュータアルゴリズムを使用して、望ましい結果から逆算して作業を進めました。彼らはコンピュータに対し、3つの入力から光を取り込み、ユーザーが選択した任意の比率で3つの出力へと分配するという特定の目標を達成するために、最も効率的な微細なシリコン構造の配置を見つけ出すよう指示しました。その結果得られた構造は、自然界には存在しない特性を持つように設計された人工材料であるメタマテリアルです。この場合、デバイスは光の波長よりもはるかに小さい、非常に微細な溝のパターンで覆われています。これらの溝は洗練されたレンズのように機能し、光の波を極めて精密に屈曲させ、形作ります。デバイスのアクティブ領域全体は非常に小さく、人間の髪の毛の先端に余裕で収まるほどであり、わずか4 x 1.9マイクロメートルのフットプリントしか占有しません。

この理論的な設計が現実世界で機能することを証明するために、チームはチップを製作し、その性能をテストしました。彼らはデバイスに光を送り込み、加熱電極の電圧を調整して、出力の制御が可能かどうかを確認しました。その結果は驚くべきものでした。デバイスは成功裏に3つの出力ポートすべてに光をルーティングし、電圧を変えることで、研究者は電力配分を連続的に調整することができました。彼らは、ある単一のポートに対して、わずか数パーセントからほぼ全量のビームを送り、残りの光を他のポートに分配することができました。例えば、中央のポートに91.8%の光を送り、両サイドにはほとんど送らないようにしたり、あるいは3つの経路すべてに光をほぼ均等にバランスよく分配したりすることができました。このレベルの制御は、信号強度の大きな損失なしに達成され、光が単に吸収されたり散乱されたりするのではなく、効率的に再形成されていることが証明されました。

単に光を移動させるだけでなく、研究者たちはこのデバイスが単純な光学コンピュータの「脳」として機能できることを示しました。彼らは、アイリス（アヤメ）の花の物理的な測定値に基づく分類という、機械学習における古典的な問題を用いて、このチップを使用しました。花の特徴データをデバイスへの特定の電圧設定に変換することで、チップから出る光は自然に正しいカテゴリーへと自らを分類しました。花のサンプルを用いたテストにおいて、デバイスはアイリスの種類を約89%の精度で正しく識別しました。これは、ハードウェア自体がニューラルネットワークの論理を実行し、デジタルコードではなく光の物理的特性に基づいて判断を下せることを示しています。チームはまた、4つの入力および出力ポートを持つ大型版のデバイスのシミュレーションも行いました。これらのコンピュータ・シミュレーションにおいて、4ポート版は手書き数字を97%の精度で正しく認識しており、この設計がより複雑なタスクを処理するためにスケールアップ可能であることを示唆しています。

この研究の意義は、花の分類をはるかに超えたところにあります。光をこれほど小さなスペース内で3つ以上の経路に分割し、調整できることを証明したことにより、研究者たちは光学コンピューティングのスケールアップにおける大きな障壁を取り除きました。従来の光学システムは、大規模な集積を行うには実用的ではないほど場所を取る嵩張ったコンポーネントに依存しています。この極めてコンパクトなサイズと、即座に再プログラミング可能な能力を備えた新しいデバイスは、数百万ものこれらのロジックユニットを単一のチップ上に詰め込む道筋を示しています。それは、光学コンピュータが、最も高度な電子プロセッサに匹敵し、さらにはそれを凌駕する可能性のある密度と柔軟性を持って構築される未来を示唆しています。本研究は、高度な設計アルゴリズムとメタマテリアルのユニークな特性を組み合わせることで、より小型であるだけでなく、よりスマートであり、光の流れの中で直接複雑な計算を実行できる、新しい世代のフォトニック・ツールを作成することが可能であることを裏付けています。