人工知能（AI）が社会の隅々に浸透する一方、その心臓部であるデータセンターは膨大な電力を消費し、地球規模の課題となっている。この「AIの電力ジレンマ」に対し、米フロリダ大学の研究チームが革命的な解決策を提示した。電気の代わりに「光」で計算する新型チップを開発し、AIの主要なタスクにおける電力効率を実に100倍に高めることに成功したのだ。

AD

止まらぬAIの進化、その裏に潜むエネルギーという名の影

今日のAI技術、特に画像認識や自然言語処理の中核をなすのが「畳み込みニューラルネットワーク（CNN）」と呼ばれるアルゴリズムだ。この計算処理は極めて電力消費が大きく、AIの高性能化はそのまま電力需要の爆発的増加に直結してきた。

この問題の根源には、半世紀以上にわたりコンピューターの進化を支えてきた「ムーアの法則」の物理的な限界がある。トランジスタの微細化は原子レベルの壁に突き当たり、性能向上は鈍化。にもかかわらずAIが要求する計算量は増え続けるため、力ずくでチップを大規模化・高クロック化することで対応してきた。その結果が、データセンターの冷却に膨大なエネルギーを要し、電力網を脅かすほどの消費電力という現実である。

このままではAIの発展そのものが持続不可能になりかねない――そんな懸念が広がる中、科学者たちは電子（エレクトロン）に代わる、より根源的な情報伝達媒体に目を向けた。それが光子（フォトン）だ。

フロリダ大学が放つ一筋の光明 – 光学AIチップの衝撃

フロリダ大学のVolker J. Sorger教授が率いる研究チームは、この光を利用したコンピューティング、すなわち「フォトニクス」技術を応用し、AIの計算に特化した新しいシリコンフォトニクスチップを開発した。 2025年9月8日付の科学誌『Advanced Photonics』に掲載されたその成果は、驚くべきものだった。

  • 圧倒的な電力効率: 従来の電子チップと比較して、電力効率を10倍から最大100倍向上させることに成功した。
  • 妥協なき精度: 省電力化のために性能を犠牲にするわけではない。標準的なベンチマークテストである手書き数字の画像認識において、従来チップに匹敵する約98%の正答率を達成している。

「ほぼゼロエネルギーでAIの重要な計算を実行できることは、未来のAIシステムにとって大きな飛躍だ」とSorger教授は語る。 これはI技術の持続可能性を根本から覆し、さらなる進化の扉を開く可能性を秘めた革新的な技術だ。

AD

なぜ「光」は計算に革命をもたらすのか？

電気ではなく光で計算することに、どのような利点があるのだろうか。その答えは、電子と光子の物理的な性質の違いにある。

電子の宿命「抵抗と熱」、光子の特権「ゼロ抵抗」

従来のチップでは、無数のトランジスタ間を電子が銅配線を通って移動する。この際、電子は金属原子と衝突し、抵抗によってエネルギーの一部が熱として失われる。チップが高性能化・高密度化するほど、この発熱問題は深刻になり、性能の足かせとなるだけでなく、冷却のためにさらなる電力を消費する悪循環を生んでいた。

一方、光子は導波路と呼ばれる光の通り道や空間を、ほぼ抵抗なく、エネルギー損失もほとんどなしに進むことができる。情報を光に乗せて運ぶことで、発熱という根本的な制約から解放され、桁違いのエネルギー効率が実現可能となる。

光の並列処理能力「波長分割多重」

光のもう一つの強力な武器が、その「並列性」だ。光はさまざまな色、すなわち異なる波長を混ぜ合わせることができる。この性質を利用し、赤色の光には画像データAを、青色の光には画像データBを、というように、異なる波長の光にそれぞれ別の情報を乗せ、一本の導波路で同時に処理することができる。

これは「波長分割多重（Wavelength Division Multiplexing）」と呼ばれる技術で、光ファイバー通信ではすでに応用されている。フロリダ大学のチップもこの技術を活用しており、複数のデータストリームを同時に並列処理することで、計算速度を飛躍的に高めることができる。研究チームのHangbo Yang博士は「複数の波長の光を同時にレンズに通せること。それがフォトニクスの重要な利点だ」と説明する。

レンズが実行する「ほぼゼロエネルギー」の数学

この革新的なチップは、具体的にどのような仕組みで動いているのだろうか。その心臓部には、AIの「目」の役割を果たす「畳み込み演算」を、光の物理現象を利用して瞬時に行う独創的な仕掛けがある。

新たに開発されたシリコンフォトニックチップは、光で符号化されたデータを瞬時に畳み込み結果に変換する。 (Credit: University of Florida)

AIの電力消費の元凶「畳み込み演算」

簡単に言えば、畳み込み演算とは、画像の中から特定の特徴（例えば、猫の画像の「尖った耳」や「長いひげ」など）を見つけ出す作業に似ている。入力された画像データに対して、「フィルタ」と呼ばれる一種の“特徴抽出用の虫眼鏡”をスライドさせながら重ね合わせ、特徴の一致度を計算していく。この地道な作業を何層にもわたって繰り返すことで、AIは画像に何が写っているのかを高度に認識できるようになる。

この畳み込み演算は、CNN全体の計算量の90%以上を占めることもある、極めてエネルギーを消費する処理だ。 従来の電子チップは、この計算を膨大な数の足し算と掛け算の繰り返し（行列演算）として力ずくで解いていた。

しかし研究チームは、この畳み込み演算を「フーリエ変換」という数学的な操作に置き換えることに着目した。フーリエ変換自体は電子回路でも可能だが、計算コストが高い。しかし、彼らはレンズを用いて光の回折現象を利用することで、光のフーリエ変換を物理現象として、ほぼエネルギー消費ゼロで瞬時に実行することを考案したのだ。

入力データをレーザー光に変換し、この光をレンズに通すだけで、複雑な数学的処理が完了する。フロリダ大学のチップは、この原理を応用した「フォトニック・ジョイント変換相関器（pJTC）」と呼ばれるアーキテクチャを採用した。 入力となる画像データと、フィルターとなるカーネルデータを光信号として並べ、まとめてレンズ（フーリエ変換器）に入力する。すると、出力される光の強度分布に、畳み込み演算の結果が含まれているという仕組みだ。

 膨大な行列演算を必要とせず、光がレンズを通過するだけで、物理法則に従って計算が「自然に」行われる。研究リーダーのSorger教授が「ほぼゼロエネルギーでの計算」と表現するのはこのためだ。 光を導き、レンズを通過させるためのエネルギーはごくわずかで、計算そのものにはほとんど電力を消費しないのである。

灯台の技術をチップへ：超小型「フレネルレンズ」

この魔法のような計算を実現するため、研究チームは灯台のレンズにも使われる「フレネルレンズ」を採用した。フレネルレンズは、巨大なレンズの曲面を同心円状のパーツに分割し、厚みを減らして平面に配置したもので、薄く軽量にできる利点がある。

彼らはこのフレネルレンズを、既存の標準的な半導体製造プロセスを用いて、髪の毛の幅の数分の一という極めて小さいスケールでシリコンチップ上に直接形成した。 これにより、従来の半導体産業の巨大な製造インフラを活用して、将来的にこの光学チップを大量生産できる道筋が示されたことになる。

AD

実用化への布石：精度98%とノイズ耐性を両立

画期的な技術も、実験室の中だけで終わっては意味がない。この光学チップは、実用化を見据えた厳しいテストでもその能力を証明している。

プロトタイプチップは、AIの性能評価で広く用いられる手書き数字データセット「MNIST」の分類タスクに挑んだ。 その結果、10,000枚のテスト画像に対し、98%という高い精度を達成。これは、膨大な電力を消費する従来の電子チップと遜色ない性能である。

さらに研究チームは、現実の電子回路で起こりうる信号のタイミングのズレ（時間的ジッター）を模擬したテストも実施した。その結果、10%ものランダムな遅延を信号に加えた場合でも、精度は95.3%と、わずかな低下に留まることが確認された。 この堅牢性は、この技術が実験室レベルの理想的な環境だけでなく、現実世界のノイズが多い環境でも安定して動作しうることを示唆しており、実用化に向けた大きな一歩と言えるだろう。

光学コンピューティングの夜明け：世界が鎬を削る開発競争

フロリダ大学の成果は、決して孤立したものではない。AIの電力問題という共通の壁に直面し、世界中の研究機関や企業が光学コンピューティングの実用化に向けて熾烈な開発競争を繰り広げている。

Microsoftとケンブリッジ大学も先日アナログ光学コンピューター技術を発表しており、この分野の研究がいかにホットであるかを物語っている。

業界の巨人たちも、このパラダイムシフトを静観しているわけではない。チップメーカー最大手のNVIDIAは、すでにGPU間の通信に光学部品（光インターコネクト）を導入し、データ転送のボトルネック解消を進めている。 Intelは長年にわたりシリコンフォトニクス技術に巨額の投資を続けており、製造ファウンドリ世界最大手のTSMCも、チップ上に光学素子を集積する次世代技術の開発を加速させている。

さらに、この新たな市場を狙うスタートアップも次々と登場している。Lightmatter、Ayar Labs、Celestial AIといった企業は、それぞれ独自のアプローチで光学AIプロセッサーの商用化を目指しており、ベンチャーキャピタルからの資金調達も活発だ。

AIの「グリーン革命」が社会を変える

光学コンピューティングは、もはや単なる基礎研究の段階ではない。アナリストは、最初の商用光学プロセッサーが2027年から2028年にかけて市場に登場すると予測している。

この技術がもたらすインパクトは、単にデータセンターの電気代が安くなるというレベルに留まらない。

  1. AIのグリーン革命: まず、AIの発展を持続可能な軌道に乗せることができる。環境負荷を劇的に低減することで、私たちは罪悪感なくAIの恩恵を享受し、さらなる技術革新を追求できる。
  2. 次世代AIの創出: 省電力化によって生まれたエネルギーと性能の余力は、現在では計算量が膨大すぎて実現不可能な、より複雑で高性能なAIモデルの開発を可能にするだろう。人間の思考により近いAIや、創薬・材料開発を加速させる超高精度なシミュレーションAIの登場が期待される。
  3. エッジAIの真の普及: クラウド上の巨大なAIだけでなく、スマートフォン、自動車、ドローン、医療機器といった「エッジデバイス」に、低消費電力で高性能なAIを搭載することが容易になる。これにより、通信に頼らずデバイス単体で高度な判断を行う、真に自律的なスマートデバイスが実現するだろう。

フロリダ大学の研究成果は、コンピューティングが「電気」の時代から「光」の時代へと移行する、歴史的な転換点の一つとして記憶されるかもしれない。それは、AIという人類の知性が生み出したツールが、地球環境と共存しながら未来を切り拓いていくための、力強く、そして明るい光と言えるだろう。

未来への展望と残された課題

この光学AIチップは、間違いなくAIの未来を照らす希望の光だ。しかし、その光が私たちの手元に届くまでには、いくつかのハードルを越える必要がある。

商用化へのロードマップと技術的ハードル

現在のチップはまだプロトタイプ段階であり、量産化に向けては、製造コストの低減、長期的な動作安定性の確保、そして既存の電子回路とのシームレスな統合など、解決すべき課題は少なくない。光を扱う精密な部品を、巨大なシリコンウェハー上で欠陥なく大量生産する技術の確立が、今後の大きな鍵となるだろう。

AIの持続可能性を担うキーテクノロジーへ

それでもなお、この技術が持つポテンシャルは計り知れない。もし光学コンピューティングが主流になれば、AIの進化を加速させると同時に、そのエネルギー消費を劇的に抑制できる。それは、より高性能なAIを誰もが利用できる世界の到来を意味するだけでなく、地球環境への負荷を軽減し、テクノロジーの持続可能性を確保することにも繋がる。

Volker J. Sorger教授は未来をこう語る。「近い将来、チップベースの光学技術は、私たちが日常的に使用するすべてのAIチップの重要な一部になるでしょう。そして、光学AIコンピューティングが次に来るのです」。

フロリダの地で生まれたこの小さな「光のチップ」は、AIという人類史に残るテクノロジーが、エネルギーの制約という壁を乗り越え、真に持続可能な形で発展していくための、決定的な一歩となるかもしれない。私たちは今、コンピューティングの歴史が新たな章へとページをめくる、その瞬間に立ち会っているのだ。

論文

参考文献