計算科学：AI推論と組み合わせ最適化に向けたアナログ光コンピューター
Nature 645, 8080 doi: 10.1038/s41586-025-09430-z
人工知能（AI）と組み合わせ最適化は、科学と産業にまたがる応用を牽引しているが、これに要求されるエネルギーの増加は、デジタルコンピューティングの持続可能性にとって大きな課題である。非従来型の計算システムは大抵、AIの仕事量または最適化の仕事量のどちらかを標的としており、高頻度でエネルギー集約的なデジタル変換に依存しているので、効率には限界がある。またこうしたシステムは、メモリーボトルネックのある神経モデルの取り扱いにしろ、現実世界の最適化問題のマッピングにしろ、または固有のアナログ雑音への対処にしろ、アプリケーションとハードウエアのミスマッチにも直面している。今回我々は、アナログ電子回路と三次元光学系を組み合わせて単一プラットフォームにおいてAI推論と組み合わせ最適化を高速化する、アナログ光コンピューター（AOC）を提示する。この二本立て領域での能力は、高速の不動点探索によって実現され、これによってデジタル変換は回避され雑音に対するロバスト性が増強される。AOCは、この不動点抽象化を用いて、再帰的推論能力を備えた新たな計算バウンドの神経モデルを実装し、表現力のある最適化に向けた先進的な勾配降下法を実現した。我々は、4つの事例研究、すなわち画像分類、非線形回帰、医療画像再構成、金融取引決済を通じて、デジタルアクセラレーターと深層学習モデルの共進化を反映させつつ、ハードウエアと抽象化を共設計することの利点を実証した。AOCは、スケーラブルな民生用技術で構築されており、さらに高速で持続可能なコンピューティングへの有望な道を開く。反復的で計算集約的なモデルのサポートを直接実行できることで、AIと最適化における今後の技術革新を促進するスケーラブルなアナログプラットフォームが提供される。
