フォトニックコンピューティング：エッジでの汎用ビジョン処理に向けた光学メタサーフェス
Nature 654, 8120 doi: 10.1038/s41586-026-10635-z
大規模な人工知能（AI）モデルは、コンピュータービジョンにおいて特筆すべき性能を実現しているが、相当な計算資源を必要とすることから、エッジデバイス上での展開には限界がある。光ニューラルネットワーク（ONN）は、光固有の並列性を利用することで、低レイテンシー化と低消費電力化が期待されている。しかし、現状のONNは、物理的（アナログ）システムを用いてデジタルモデルの正確な代数演算を複製することが難題であるため、スケーリングの課題を抱えており、単純なタスクに限定されている。本研究で我々は、類似性に基づく認識、注意誘導型の知覚、細部と文脈の融合を含む、コンピュータービジョンの中核原理を、大規模な光学メタサーフェスに直接埋め込む新しいパラダイムを提案する。我々は、光物理学とこうしたコンピュータービジョンの基本原理を一体化することによって、スケーラビリティーと汎用性の障壁を克服するフォトニック–エレクトロニックエンジンを開発し、エッジでの高精度の汎用的なコンピュータービジョンを可能にした。実現されたシステムは、4100万パラメーターの光学メタサーフェスフロントエンドと、共に設計された超効率的な8万7000パラメーターのデジタルバックエンドを組み合わせたものであり、物体検出、セグメンテーション、三次元（3D）再構成、動画理解にわたって、数千万パラメーターを持つ多くのデジタルモデルを凌駕している。我々は、展開可能なプロトタイプを構築し、自然界の場面におけるリアルタイムのエッジ視覚処理を実証する。今回の研究は、複雑な自然環境における汎用ビジョンタスクに向けた実用的な光コンピューティングへの道を示し、低エネルギー、低レイテンシー、リアルタイムのオンデバイスビジョンインテリジェンスという新しいパラダイムを可能にする。
