人工知能の世界を、巨大で高速な列車の駅だと想像してみてください。長年、列車（私たちのAIモデル）はより速く、より強力になってきましたが、同時に信じられないほど重く、エネルギーを大量に消費するようにもなっています。現在、最も人気のある列車の一種は「拡散モデル（diffusion model）」と呼ばれています。これは、混沌としたノイズの塊である大理石のブロックから、一歩ずつ、少しずつノイズを削り取っていく彫刻家のようなものだと考えてください。完璧な彫像を得るために、彫刻家は何千回もの細かく慎重なノミの動きを繰り返さなければなりません。それぞれの動きには時間とエネルギーが必要であり、彫像が大きくなるにつれ、現在のコンピュータチップにとってそのプロセスは非常に過酷なものになります。現在のチップは、一度に一つのことしかできないデジタル計算機のようです。

ここで「アナログコンピューティング」というアイデアが登場します。デジタルコンピュータが、正確に切り離された秒数を刻むデジタル時計だとすれば、アナログコンピュータは、流れる川や揺れる振り子のようです。それらはステップを数えるのではなく、物理現象に仕事をさせます。数値を計算する代わりに、信号が回路を流れ、自然に安定した状態に落ち着くまで待つのです。それは、振り子が最終的に底で静止するように、自然に落ち着くのを待つのと同じです。科学者たちは、これらの「流れる」マシンを使うことで、AIを驚異的に高速かつエネルギー効率の高いものにできると、長年期待してきました。しかし、そこには根深い問題がありました。AIのアルゴリズムは「デジタル時計」型の思考様式に合わせて設計されているのです。これらのアルゴリズムを「流れる川」のようなハードウェアで動かそうとすると、通常、AIの脳を壊してしまうか、あるいはハードウェアを仕事のごく一部にしか使用できず、重い作業は依然として古いエネルギー消費の激しいデジタルコンピュータに任せることになってしまいました。

この論文は、その溝を埋めるための巧妙な新しい方法である「アナログ拡散モデル（ADMs）」を紹介しています。マイクロソフト・リサーチの研究者たちは、拡散モデルがノイズを「削り取る」方法は、物理的なアナログシステムが自然に安定した状態へと「落ち着いていく」様子と、酷似していることを発見しました。AIに性格を変えてハードウェアに合わせさせるのではなく、ハードウェアが自然に仕事を行えるように、AIのステップを再構築したのです。彼らは、光と電気を用いて計算を行う特殊な光学コンピュータを用いてこれをテストしました。実験の結果、このシステムは画像やデータパターンを完全にこのアナログハードウェア上で生成することに成功し、プロセスの各ステップはわずか10〜15マイクロ秒で行われました。

チームは小さなプロトタイプにとどまりませんでした。彼らは、自分たちのハードウェアの極めて正確なコンピュータシミュレーションである「デジタルツイン」を使用して、このアイデアが、数十億のパラメータを持つような、より大規模で現実世界のAIモデルに対してどのように機能するかをテストしました。これらのシミュレーションは、このアプローチがゲームチェンジャーになり得ることを示唆しています。「落ち着く（settling）」方法を用いることで、AIは標準的な手法と比較して、高品質な画像を生成するために最大16倍少ないステップで済む可能性があります。これらの新しいステップのそれぞれにいくつかの内部的な「落ち着き」のループが必要であっても、総作業量は大幅に減少します。研究者たちは、もしこの技術が将来の微細化されたハードウェアにスケールアップされれば、既存のアルゴリズムを再発明することなく、次世代のAIをより持続可能なものにするために、膨大なエネルギー節約を実現できる可能性があると示唆しています。

コアとなるアイデア：物理現象に「ノミ取り」をさせる

なぜこれが大きな意味を持つのかを理解するために、通常の「彫刻」がどのように行われるかを見てみましょう。標準的なデジタルAIでは、コンピュータは一つのステップを計算し、停止し、結果を保存し、次のステップを計算する、という動作を繰り返します。これは、大理石を一つ削るたびに、ロボットが立ち止まって考え、それから腕を動かすようなものです。これは遅く、多くの電力を消費します。

研究者たちは、一部の高度なAIモデルで使用される「暗黙的（implicit）」な数学が、実は「不動点（fixed-point）」問題であることを突き止めました。簡単に言えば、これは、あるルールを適用したときに、全く同じ場所に辿り着く場所を見つけることを意味します。それは、丘を転がり落ちるボールのようなものです。ボールは底に到達して止まるまで動き続けます。一度底に着けば、「転がり落ちる」というルールを適用しても、すでにそこにいるため何も変わりません。

この論文の魔法は、アナログハードウェアがまさにこれを行うという点にあります。光と電子のループに信号を送ると、それはステップを数えるのではなく、単に安定するまで流れ続けます。著者たちは、AIモデルを正しく設定すれば、光と電気が「落ち着く」こと自体が、AIがステップを進めることになると理解しました。ハードウェアは、一つの計算の後に止まるように指示される必要はありません。平衡状態に達することによって、自然に答えを見つけ出すのです。

実験：光、鏡、そしてマイクロLED

これが機能することを証明するために、チームは**アナログ光学コンピュータ（AOC）**と呼ばれる物理的なマシンを構築しました。光で作られた、ハイテクな迷路を想像してください。

• 光源: データを表現するために、マイクロLEDの配列を使用しました。
• 重み（Weights）: 光の反射量を変化させることができる、空間光変調器（SLM）と呼ばれる特殊な鏡を使用しました。これらの鏡は、モデルの知識（重み）を保持するAIの「脳」として機能します。
• ループ: 光はLEDから出発し、鏡に当たり、センサーによって集計され、その結果が再びシステムにフィードバックされます。

これにより、フィードバックループが形成されます。システムは、光のパターンが安定するまで、自身を調整し続けます。この安定化は、瞬きする間、具体的には10〜15マイクロ秒で完了します。

彼らはこれをいくつかの異なるタスクでテストしました：

1. 2D形状: マシンにハート、星、文字などの単純な2Dパターンを生成させました。ハードウェアはこれを成功裏に実行し、デジタルシミュレーションとほぼ完全に一致する形状を生成しました。
2. 潜在空間の生成: 彼らは「潜在拡散（latent diffusion）」（DALL-EやStable Diffusionのような現代の画像生成器が使用している手法）を用いました。彼らは、この反復プロセス全体をアナログハードウェア上で実行し、結果を画像に変換するための最後のステップにのみデジタルコンピュータを使用しました。その結果、手書き数字（MNIST）、ファッションアイテム（FashionMNIST）、および文字（EMNIST）の画像を正常に生成しました。

大きな展望：シミュレーションとスケーリング

彼らが構築した物理的なマシンは、2,304個のプログラム可能な重みを持つ小さなものです。これは、数十億の重みを持つ現代のAIモデルと比較すると非常に小さいものです。では、これが大規模なモデルでも機能するとどうやって判断できるのでしょうか？

研究者たちは「デジタルツイン（DT）」を作成しました。これは、彼らの物理的なハードウェアの挙動、ノイズ、および癖を正確に模倣するコンピュータシミュレーションです。彼らは標準的なAIモデルを通常のデジタルコンピュータで訓練しましたが、その際、アナログマシンの「ノイズ」や挙動をあらかじめ想定するように設定しました。そして、これらのモデルをデジタルツインに通すことで、実際に光ベースのハードウェアで動作した場合にどのように機能するかを確認しました。

テスト対象は以下の通りです：

• 畳み込みニューラルネットワーク（U-Net）
• 拡散トランスフォーマー（DiT）
• 最大130億のパラメータを持つ巨大なモデル（FLUX.1のようなモデル）

結果は有望でした。これらのシミュレーションにおいて、「アナログ拡散モデル（ADM）」は、標準的なデジタル手法と同等の高品質な画像結果を、最大16倍少ない拡散ステップで達成できました。

例えば、蝶の画像データセットにおいて、標準的な手法では良い画像を得るために128ステップを必要としましたが、アナログ手法では同等の品質を得るためにわずか8ステップしか必要としませんでした。これら8つのステップのそれぞれに、いくつかの内部的な「落ち着き」のループが必要であったとしても、総作業量は依然として大幅に低いものでした。

なぜこれが重要なのか（そして、何ではないのか）

この論文は、新たな進むべき道を示唆しています。AIアルゴリズムを新しいハードウェアの制約に無理やり適合させようとする（それがしばしばAIを壊してしまう）のではなく、ハードウェアの自然な物理特性をアルゴリズムのニーズに適合させたのです。

この論文が主張していないこと：

• これは今日購入できる完成品であるとは言っていません。ハードウェアはまだプロトタイプです。
• これがすべてのAIのエネルギー問題を解決したとも主張していません。エネルギー節約は、シミュレーションと光学コンピューティングの既知の効率性に基づいた「予測」です。
• すべてのAIモデルがこの方法でより良くなるとは言っていません。特定のテスト（AFHQデータセットを用いたDiTモデルなど）では、基本的な手法は苦戦しましたが、より高度なバージョンである「Implicit-CN（Crank-Nicolson）」がその問題を解決しました。

信頼レベル：
著者たちは非常に慎重な言葉遣いをしています。彼らは、小さなハードウェア上で概念を実証（demonstrated）しました。2Dおよび潜在空間の結果がデジタルツインと一致することを示し（showed）ました。また、大規模なモデル（数十億パラメータのモデル）に関するスケーリングの結果については、数学的に整合性が取れているため、実現可能性が非常に高いと示唆（suggest）していますが、それらの大規模な結果は現在、物理的な実験ではなくシミュレーションによるものです。

将来のロードマップ

論文は将来のロードマップを描いています。現在のハードウェアは小さなチップほどのサイズです。著者らは、これらの光学システムを3次元的に積み重ねる（光を平面方向だけでなく、3次元的にルーティングする）ことで、1センチメートルの容積内に1億個の重みをスケールアップできると提案しています。

もしこのスケーリングが実現し、ハードウェアが現在のメガヘルツ級よりもはるかに速いギガヘルツ級の速度で動作できるようになれば、実際の計算部分におけるエネルギー効率は、現在のデジタルチップよりも100倍優れている可能性があります。結果を画像に変換するための最終的なデジタルステップのコストを加えても、システム全体としては現在の方法よりも26倍効率的である可能性があります。

要約すると、この論文は、光と電気の物理現象に耳を傾け、AIに「カウント」を強いるのではなく自然に「落ち着かせる」ことで、アナログコンピューティングが数十年にわたって約束してきた膨大なエネルギー節約がついに解禁される可能性があることを示唆しています。これは、「アルゴリズムを機械に合わせる」ことから、「機械が得意なことをさせる」ことへの転換なのです。