フォトニックチップが非線形に

May, 22, 2025, Philadelphia--米国ペンシルベニア大学(University of Pennsylvania)の研究者は、ディープニューラルネットワーク(DNN)が複雑な学習タスクに取り組むことを可能にする非線形機能を提供するようにプログラムできる最初のフォトニックチップであると信じているものを開発した（Nat. Photonics, doi: 10.1038/s41566-025-01660-x)。
チームは、デバイスに設定された非線形ネットワークが線形接続のみのネットワークよりも優れていること、また、全光アーキテクチャは電子チップよりも情報をより迅速に処理し、エネルギー消費が少ないことを示した。

非線形応答
これまでの研究では、線形計算を実行するようにプログラムできる光チップが実証されていたが、この新しい研究では、Pennチームは、光を操作して非線形応答を生成する再構成可能プラットフォームを設計した。「これは、フィールドプログラマブルフォトニックコンピュータの真の概念実証である」とチームリーダーのLiang Fengは述べている。「これは、光速でAIを訓練できる未来への一歩である。」

非線形機能は、光感受性半導体(この場合はInGaAsP)内の電荷キャリアの振る舞いを制御することによって実現される。入力データを運ぶ信号ビームが材料の薄い層を通過すると、2番目のポンプビームを使用して、フィルム内の励起されたキャリアのキャリアダイナミクスと空間分布の両方を操作する。ポンプビームの形状と強度を変更すると、信号光と半導体との間の非線形相互作用が変化し、信号ビームを広範囲の多項式関数に再形成できる。

特に、ポンプビームを低強度の領域と高強度の領域にパターニングすると、信号パワーが伝搬方向に沿って振動し、データ集約型のアプリケーションに適した高次多項式が生成される。多項式の形式は、ビームパタンを変更することでリアルタイムで再構成することもできるが、複数の多項式を組み合わせることで、より複雑な非線形関数を実現できる。

アイリスの花を使ったテスト
フォトニックプロセッサをテストするために、研究チームは、これらの多項式関数を使用して複数の入力ノードと出力ノードを接続する非線形光ネットワークを構成した。150 種類のアヤメの花を記述する標準的なデータセットで学習させた場合、4 つの入力ノードと 3 つの出力で構成される多項式ネットワークは、同等の線形ネットワークでは 86% であるのに対し、ほぼ 96% の精度で特定の種を識別できる。4つの異なる音声コマンドを認識するように訓練された大規模なネットワークも、92%のケースで正しい単語を識別した。

この特定の研究は、機械学習で広く使用されている多項式関数に焦点を当てているが、チームは、そのアプローチを指数関数や逆関数などの他の非線形演算に拡張できると考えている。フォトニックプロセッサと光多重化技術を組み合わせることで、より強力な学習モデルをサポートする並列処理アーキテクチャを実現すると同時に、エネルギー効率も向上させることができる。