このAIチップは塩粒ほどの大きさだ

光ファイバーケーブルにはボトルネック問題があります。光速でエンコードされたデータを転送できますが、エンコードされたデータを理解可能な情報に変換するには、多くの場合、より遅く、はるかに多くのエネルギーを消費する機器が必要です。しかし、受動ニューラルネットワークと呼ばれる分野におけるこれまでのイノベーションを基に、中国の上海科技大学 (USST) のチームは、微細な回避策を開発しています。それは、光物理学を利用して、わずかなエネルギーでデータを分析する新しい人工知能チップです。しかも、各チップは塩粒ほどの大きさしかありません。

ネイチャーフォトニクス誌に掲載された研究で詳述されている最近の進歩は、カリフォルニア大学ロサンゼルス校の研究者が2018年に初めて開発したニューラルネットワークの一種を利用している。「全光回折ディープニューラルネットワーク」として知られるこの方法は、パターン化された3Dプリントされた受動部品の層を正確に積み重ねて使用する。その後、システムは光子を利用して複雑な計算を完了するようにトレーニングされる。

ニューサイエンティストとして 説明すると、USST チームは最近、この概念を出発点として、光を物理的に操作して計算分析を実行する「受動的でよく訓練されたニューラル ネットワーク」を作成しました。ただし、データでエンコードされた光はすべて、人間の髪の毛 1 本よりも太くない光ファイバー ワイヤを介して伝送されるため、各光子を読み取るには AI チップも同じくらい小さくする必要がありました。

研究者らは「3次元2光子ナノリソグラフィー」を利用し、極薄ポリマー層を使って極小チップを1つ1つ構築した。次にチップを光ファイバーワイヤの端に取り付け、光速でケーブルを通過するデータを処理する。この発明をテストするため、研究チームは数字の画像を光子にエンコードし、それを光ファイバーワイヤに通した。するとAIチップがデータを正常に読み取り、最小限のぼやけで数字の画像を再現した。この種の画像認識は、現在多くのAIシステムで基本的な機能となっているが、塩サイズのチップはこれを1兆分の1秒で実行できた。また、今日のAIベースの画像認識技術の数千分の1のエネルギーしか使用しない。

このシステムはまだ完璧とは言えません。チップのわずかな欠陥がシステム全体の品質を低下させる可能性があり、各チップは必要な作業に応じて個別にカスタマイズする必要があります。それでも、発明者はこの技術が最終的には「前例のない機能」を提供できると考えています。これには内視鏡画像診断や量子コンピューティングなどの状況が含まれる可能性があります。