中国の科学者はロボットに瞬時に思考させ、シリコンフォトニクスの発展を加速させている

光子ニューロモルフィック計算の突破に関するニュース

西電大学（Xidian University）の科学者たちは、強化学習で訓練できる完全な光のみの「ニューロモルフ」チップを開発しました。このチップは信号を電流に変換せずに動作します。これは線形光子スパイクネットワークから非線形変換への移行を意味し、実用化への重要な一歩です。

なぜ重要なのか
- 変換不要：フォトンを電子へ、またその逆へ変換するとエネルギーと時間の損失が発生します。リアルタイムシステム（ロボティクス、自動操縦）では、この遅延が機器障害や事故につながる可能性があります。

- 人間との安全な相互作用：汎用光子チップの開発は、より信頼性が高くエネルギー効率の良い知能システムへの道を開きます。

解決された3つの課題
1. 低活性化閾値を持つ大規模な非線形スパイクニューロン群の存在 – ニューロンをより密に配置できるようになりました。
2. 完全にプログラム可能なチップ – 従来は「ハードウェアで固定」されていました。
3. 強化学習による光子訓練 – 新しいアーキテクチャのおかげで実現しました。

プロトタイプのアーキテクチャ
| コンポーネント | 説明 |
|---|---|
| 16チャンネル光子チップ | 272個の学習可能パラメータを持ち、16×16マハンデル・ザンダー干渉計行列に基づいて構築されています。 |
| レーザーとフィードバック付きチップ | スパイクの非線形活性化閾値を低くするために飽和吸収体を使用しています。 |
| ハードウェア-ソフトウェアフレームワーク | まずソフトウェアで訓練し、次にチップへ転送してハードウェア特性を考慮した再訓練を行います。 |

テスト
- CartPole（棒のバランス） – プログラムモデルとほぼ同等の精度（1.5％の落下率）。
- Pendulum（振り子） – 2％の落下率。
- 両タスクで計算遅延はわずか320ピコ秒でした。

効率
| 種類 | エネルギー消費 | 密度 |
|---|---|---|
| 線形 | 1.39 TOPS/W | 0.13 TOPS/mm² |
| 非線形 | 987.65 GOPS/W | 533.33 GOPS/mm² |

これらの数値は、光子システムをGPUクラス（≈1 TOPS/W）と密度（0.1–0.5 TOPS/mm²）のエネルギー効率に位置づけますが、完全に光で処理されるため変換損失を排除しています。

展望
- 自律走行
- 知能ロボット
- 超低遅延・最小エネルギー消費の周辺計算

将来的にはチップを128チャンネルに拡張し、より複雑なタスク（ニューロモルフ自律ナビゲーション）やコンパクトでハイブリッド統合型光子ニューロモルフィックデバイスの開発を目指します。

結論：この研究は光インパルスに基づくエネルギー効率的なAIへの新しい道を切り開き、ロボット工学や自律システムへのアプローチを根本的に変える可能性があります