数十年の間、物理学者とエンジニアは、電子ではなく光子を利用する光学チップによる演算を夢見てきた。このような回路は超高速で動作し、エネルギー効率にも優れたものになるはずだが、実際に機能させるのは困難だった。

2017年、ニコラス・ハリスとイーチェン・シェンらのマサチューセッツ工科大学（MIT）の研究チームは、従来の方法で訓練したニューラル・ネットワークの出力を光学チップで計算する方法を解説した論文を発表した。この論文は多数引用された。

同チームの論文には、56のプログラミング可能な干渉計（光の波を精密に分解し、再統合するデバイス）の回路が詳述されている。彼らが製作した回路は、母音の弁別という単純な課題180問を、約75％の正答率で解くことができた。ただし、これは従来のコンピューターでの正答率（90％以上）には及ばない。その後すぐに、シェンとハリスはそれぞれ、競合するスタートアップを創業した。

ニューラルネットワークがいったん訓練され、光学チップ上に実装されてしまえば、推論の実行（例えば母音がどの音に対応するか、自律走行車が路上に出てきた歩行者にどう対処するかの判断）は、ただ光を当てれば済む。そのため、光学チップには高速性とエネルギー効率という強みがある。

2021年3月、ハリスがCEO（最高経営責任者）を務めるライトマター（Lightmatter）は「機械学習アクセラレーター」チップをまもなく発売すると発表した。「これまでとはまったく異なるタイプのコンピューターです」と、ハリスCEOは言う。「現時点で、最先端のデジタル・コンピューターの20倍程度の効率性を達成しています」。ライトマターは2021年5月に2度めの資金調達ラウンドを終え、総調達額を1億1300万ドルに伸ばした。

（Konstantin Kakaes）

人気の記事ランキング

1. Digging for clues about the North Pole’s past 12万年前は無氷だった？海底22メートルの泥で掘り起こす北極点の謎
2. Is carbon removal in trouble? 炭素除去業界に激震、最大顧客のマイクロソフトが購入を一時停止
3. Is fake grass a bad idea? The AstroTurf wars are far from over. 「一番ましな悪い選択肢」 人工芝の安全性をめぐる 論争はまだ終わらない
4. NASA is building the first nuclear reactor-powered interplanetary spacecraft. How will it work? 初の原子力推進で火星へ、 NASA「強気すぎる」計画 SR-1はどう動くのか？

• 0