Microsoftのケンブリッジ研究所から、従来のコンピュータとは原理が全く異なる、一つのプロトタイプマシンが姿を現した。「アナログ光学コンピューター（analog optical computer: AOC）」と名付けられた、この新たな光学コンピューターは、電子の代わりに光を使って計算を行い、特定の複雑な問題、特に現代社会を席巻するAIの処理において、従来のデジタルコンピューターを凌駕する「100倍の速度」と「100倍のエネルギー効率」という驚異的なポテンシャルを秘めているという。これは、現代社会に不可欠となりつつあるAI、その中でも大規模言語モデル（LLM）が抱える莫大なエネルギー消費という課題に対する、一つの光明となるかもしれない。
なぜ今、「光」なのか？電子の限界とAIのエネルギー問題
我々が日常的に使うコンピューターは、シリコンチップの上を無数の「電子」が駆け巡ることで情報を処理している。半導体の集積度が指数関数的に向上するという「ムーアの法則」に後押しされ、デジタルコンピューティングは半世紀以上にわたり驚異的な進化を遂げてきた。しかし、その進化にも物理的な限界が見え始めている。回路の微細化は原子レベルに近づき、電子の移動に伴う発熱と電力消費は増大の一途をたどっているのだ。
この課題に追い打ちをかけているのが、AI、特に大規模言語モデル（LLM）の爆発的な普及である。AIが複雑な推論を行うためには膨大な計算が必要となり、その結果としてデータセンターが消費する電力は世界的なエネルギー問題となりつつある。この「性能向上」と「エネルギー効率」という二律背反の課題に対するゲームチェンジャーとして、Microsoftが白羽の矢を立てたのが「光」、すなわち光子（フォトン）であった。
光子は電子と異なり、互いに干渉しにくく、質量も電荷も持たない。そのため、情報の伝達媒体として使えば、遅延や発熱を劇的に抑えられる。Microsoftの研究チームが4年前にプロジェクトを開始した際の目標は明確だった。光の持つ物理的特性を最大限に活用し、現代のデジタルコンピューターが苦手とする特定の問題領域で、桁違いの性能を叩き出すマシンを創り上げることだ。
未来の頭脳を構成する、驚くほど身近な技術
「光学コンピューター」と聞くと、何か特殊で高価な素材や製造プロセスが必要だと想像するかもしれない。しかし、Microsoftが発表したAOCの最も驚くべき点の一つは、その構成要素にある。
プロトタイプは、スマートフォンやディスプレイに利用されるマイクロLED、カメラ用の光学レンズ、そして同じくスマートフォンカメラ由来のセンサーといった、驚くほど身近で商業的に入手可能な部品で構築されているのだ。 これは、初期コストを抑えるだけでなく、将来的に既存のサプライチェーンを活用した大量生産が可能であることを示唆しており、この技術を研究室から実社会へ展開する上での極めて現実的なアプローチといえる。
仕組みの核心：光が答えを見つける「固定点探索」
では、AOCはどのようにして計算を行うのか。その心臓部にあるのが「固定点探索（fixed-point search）」という、エレガントかつ強力な計算原理だ。
デジタルコンピューターが「0」と「1」の信号を段階的に処理していくのに対し、AOCは問題を物理的なシステムとして捉え、そのシステムが最も安定する状態、すなわち「固定点」を光が自律的に探し出す。
科学誌『Nature』に掲載された論文によると、AOCの動作は以下のようにイメージできる。
- 入力: 解きたい問題の情報（例えば、AIモデルへの入力データ）は、マイクロLEDアレイが放つ光の強度パターンとして表現される。
- 計算: この光は、問題の重み（AIモデルのパラメータなど）が設定された空間光変調器（SLM）を通過する。ここで、光の強度を変えることで、コンピューターの基本演算である「乗算」と「加算」が、光の速度で並列的に実行される。
- フィードバック: 計算結果の光は光検出器アレイで電気信号に変換され、アナログ電子回路を通過する。この回路が非線形処理などを担い、その結果が再びマイクロLEDの光としてフィードバックされる。
- 収束: この「光→電気→光」のループが、答えが安定する「固定点」に収束するまで、極めて高速に繰り返される。
このプロセスの最大の利点は、計算の途中でアナログ信号をデジタル信号に変換する必要がないことだ。デジタルコンピューターでは避けられないこの変換は、多くのエネルギーと時間を消費するボトルネックとなる。AOCは、この変換を回避する完全なアナログ処理ループによって、驚異的な速度とエネルギー効率を実現するのである。
金融から医療まで。AOCが解き明かす「最適化問題」の実力
AOCが得意とする問題の一つが「組み合わせ最適化問題」だ。これは、無数の選択肢の中から最も良い組み合わせを見つけ出す問題であり、物流の配送ルート計画から金融取引の清算、創薬まで、現代社会のあらゆる場面に存在する。
金融：銀行間取引を瞬時に最適化
Microsoftは、英国のバークレイズ銀行と協力し、AOCが金融分野で実用的な価値を持つことを実証した。 彼らが取り組んだのは、複数の金融機関が関わる証券取引を清算する「DvP（Delivery-versus-Payment）」問題だ。これは、どの取引をどの順番で決済すれば、リスクやコストを最小限に抑えつつ、すべての取引を完了できるかを見つけ出す、巨大な最適化問題である。AOCはこの複雑なテストケースを高精度で解決できることを示した。
医療：MRIスキャンを30分から5分へ
さらに劇的なインパクトを持つのが、医療分野への応用だ。研究チームは、AOCがMRI（磁気共鳴画像法）スキャンの画像再構成を高速化できる可能性を示した。
MRIは強力な診断ツールだが、鮮明な画像を得るためには30分程度の長いスキャン時間が必要で、患者への負担が大きい。研究によれば、AOCは少ないスキャンデータからでも高精度な画像を再構成するアルゴリズムを実行できる。理論上、これによりスキャン時間をわずか5分にまで短縮できる可能性があるという。 これが実現すれば、患者の負担が減るだけでなく、1台のMRI装置でより多くの検査が可能になり、医療アクセスそのものを改善する可能性を秘めている。
これらの大規模な問題を、まだ小規模なプロトタイプで検証できた背景には、「デジタルツイン」の存在がある。これは、物理的なAOCの挙動を完全にソフトウェアで模倣したシミュレーターだ。 研究者たちはこのデジタルツインを駆使して、将来のAOCが持つであろう性能を予測し、アルゴリズムを開発した。Microsoftがこのデジタルツインと最適化ソルバーを公開したことは、世界中の研究者がこの新しいコンピューティングの可能性を探求できる環境を整え、オープンなエコシステムを築こうとする強い意志の表れである。
次世代AIの切り札？LLMの「弱点」を克服する可能性
AOCの真価が最も発揮されると期待されているのが、AI、特にLLMの分野だ。現在のLLMは驚異的な能力を持つ一方で、複雑な推論におけるエネルギー効率の悪さという深刻な課題を抱えている。AOCは、その課題に対する画期的な解決策となるかもしれない。
鍵となるのが、現在のLLMがGPU上で実行する際に苦手とする「状態追跡（state tracking）」と呼ばれるタスクだ。
これは、チェスの対局をイメージすると分かりやすい。優れたプレイヤーは、過去の手順を記憶し、現在の盤面を正確に把握し、その上で未来の展開を何手も先まで予測する。このような、文脈に沿った連続的な思考や論理的な推論が「状態追跡」にあたる。
現在のLLMの主流であるTransformerアーキテクチャは、このようなタスクを実行しようとすると、文脈が長くなるにつれて計算量が爆発的に増加し、膨大なエネルギーを消費してしまう。しかし、AOCの反復的な「固定点探索」は、まさにこの種の推論タスクと相性が良いことが分かってきた。エネルギーを浪費する力任せの計算ではなく、システム全体が自然に安定解へと収束していくプロセスを利用するため、極めて低コストで複雑な推論を実行できる可能性があるのだ。
研究者であるJannes Gladrow氏は、AOCがAIワークロードを実行した場合、「エネルギー効率において約100倍の改善」が見込まれると語っている。 論文ではさらに踏み込み、将来のAOCは8ビット精度の演算において、ワットあたり500兆回という驚異的な演算性能（500 TOPS/W）に達する可能性があると予測されている。これは、最新の高性能GPUがおよそ4.5 TOPS/Wであることと比較すると、まさに桁違いの効率改善である。 このブレークスルーは、AIの能力を飛躍的に向上させると同時に、データセンターの電力問題という社会課題に対する持続可能な解決策を提示するものだ。
夢の技術か、現実的なロードマップか
輝かしい可能性の一方で、Microsoftの研究者たちは現実を冷静に見つめている。未来のAIインフラ研究を指揮するHitesh Ballani氏は、「商用化に向けては、まだ険しい道のりが残っている」と認めている。
現在のプロトタイプが扱える重み（パラメータ）は256。前世代の64から4倍に増えたとはいえ、数千億のパラメータを持つ最新のLLMには遠く及ばない。
しかし、Microsoftは明確なロードマップを描いている。研究チームは、2年ごとに次世代機を開発する計画を進めており、将来的には数百万、さらには数十億の重みを扱えるようスケールアップすることを目指している。 その鍵となるのが、AOCを小さなモジュールとして設計し、それらを多数組み合わせるモジュラーアーキテクチャだ。最終的な目標は、このAOCをMicrosoftのクラウドプラットフォーム「Azure」のデータセンターに組み込み、世界中のユーザーがその計算能力を利用できるようにすることだという。
この挑戦はMicrosoftだけのものではない。IBMをはじめとする他の巨大IT企業やスタートアップも、それぞれの方法で光学コンピューティングの研究開発にしのぎを削っており、この分野は次世代コンピューティングの覇権を巡る大きな潮流となりつつある。
光が照らす、持続可能なコンピューティングの未来
MicrosoftのAOCが示す未来は、単なる「より速いコンピューター」という次元に留まらない。これは、「計算の“質”そのものを変える」パラダイムシフトの可能性を秘めている。
特筆すべきは、その開発アプローチの巧みさだ。スマホ部品のようなありふれた市販品を組み合わせ、ソフトウェア（デジタルツイン）とハードウェアが密接に連携して進化する「協調設計（co-design）」を前提としている点に、過去に夢物語で終わった多くの新技術とは一線を画す現実的な戦略が見て取れる。
アナログ光学コンピューターが、現在のデジタルコンピューターに完全に取って代わることはないだろう。むしろ、最適化や特定のAI推論といった得意なタスクに特化した「アクセラレーター」として、既存のシステムと共存する形で普及していく可能性が高い。CPUが汎用的な処理を、GPUがグラフィックスや並列計算を、そしてAOCが最適化と再帰的推論を担う。そのような、役割分担された未来のコンピューティング像が、光の先に透けて見える。
AIが社会インフラとなる時代において、その性能を無限に引き出すことと、地球環境への負荷を最小限に抑えることは、もはやトレードオフの関係であってはならない。AOCは、その両立を可能にする「持続可能なコンピューティング」という未来を、一条の光で照らし出している。
論文
参考文献
