今日の最先端の機械学習アプリケーションを支えるディープニューラルネットワークモデルは、あまりにも大規模かつ複雑化し、従来の電子計算ハードウェアの限界に迫っています。光を用いて機械学習の計算を行うフォトニックハードウェアは、より高速でエネルギー効率の高い代替手段を提供します。しかし、これまでフォトニックデバイスでは実行できない種類のニューラルネットワーク計算も存在し、速度と効率を損なうオフチップの電子回路が必要でした。
2025年4月、Lightmatter社はAIインフラの未来を再定義しうる革新的なEnviseフォトニックコンピューティングチップを発表しました。このチップはAIワークロードを加速しつつ、消費電力を大幅に削減することを目指しています。電子ではなく光を計算に利用するEnviseチップは、AIモデルがかつてない処理能力を要求する中、従来のシリコンチップの非効率性に対する解決策を提示します。8億5000万ドルの資金調達後、44億ドルと評価されるLightmatter社は、新たな計算パラダイムの最前線に立っています。
Lightmatterのフォトニックプロセッサは、特にディープラーニングの中核となるテンソル演算を光で実行します。導波路やレンズなどの光学部品を用いて光を制御し、計算を光速で処理。電子回路に匹敵する精度を保ちながら、消費電力を大幅に削減します。例えば、同社のフォトニックプロセッサはわずか78ワットの電力で、16ビット適応型ブロック浮動小数点演算を毎秒65.5兆回実行可能です。
一方、Q.ANT社は2025年6月のISCでフォトニックNative Processing Server（NPS）を披露しました。Q.ANT独自のLight Empowered Native Arithmetic（LENA）アーキテクチャを採用したNPSは、従来技術の最大30倍のエネルギー効率を実現。すべての計算操作で99.7%の精度を持つ16ビット浮動小数点演算、同等の出力に必要な演算回数を40〜50%削減、さらにアクティブ冷却インフラも不要という優れた仕様を誇ります。
性能面の向上にとどまらず、研究者らは小規模な量子コンピュータでも新しいフォトニック量子回路を使うことで機械学習性能を高められることを実証しました。これらの成果は、今日の量子技術が単なる実験段階にとどまらず、特定のタスクでは既に古典的システムを凌駕できることを示唆しています。特にこのフォトニックアプローチは、消費電力を劇的に削減できる可能性もあり、機械学習の電力需要が急増する中で持続可能な道を切り拓くと期待されています。
AIが目覚ましい進化を続ける中、特にChatGPTのような生成AIモデルに代表される高負荷な推論タスクでは、計算能力への需要が急増し、従来の電子計算システムに課題を突き付けています。フォトニクス技術の進展により、AI計算の有望な手段としてフォトニックコンピューティングへの関心が高まっています。AIとフォトニクスの深い融合を通じて、「インテリジェントフォトニクス」という新たな学際領域が発展しつつあり、実用アプリケーションを根本から変革する大きな可能性を秘めています。