MIT Researchers Unveil Light-Speed Photonic Chip for 6G Wireless Signal Processing

フォトニックプロセッサが6G無線信号処理を革新 大量のつながるデバイスがテレワークやクラウドコンピューティングなどのタスクのために帯域幅を求め、全てのユーザーが共有する限られた無線スペクトラムの管理が極めて困難になる中、MITの研究者が新しいAIハードウェアアクセラレータを開発しました。この光学的なプロセッサは光速で機械学習の計算を行います。無線信号の分類にはナノ秒単位の時間しかかかりません。 開発の背景 現在、高性能なAIを使用して無線スペクトラムを動的に管理することで、遅延の低減と性能の向上を目指しています。しかし、ほとんどのAI手法は消費電力が高く、リアルタイム操作が難しいという課題があります。従来のデジタルAIアクセラレータに対して、今回のフォトニックチップは約100倍高速で、信号分類の精度は約95％に收敛します。また、スケーラビリティと柔軟性を持つため、さまざまな高性能計算アプリケーションに使用できます。小型・軽量かつコスト効率が高く、エネルギー効率も良いのが特徴です。 MAFT-ONNの開発 研究チームは、信号処理のために特化した光学ニューラルネットワークアーキテクチャ「乗法アナログ周波数変換光学ニューラルネットワーク（MAFT-ONN）」を開発しました。MAFT-ONNは、全ての信号データを周波数領域でエンコードし、深層学習に必要な線形演算と非線形演算を一括で行うことでスケーラビリティを実現しています。 革新的な設計 光学ニューラルネットワークは、通常、多くのコンピュテーショナルユニット（「ニューロン」）ごとに個別のデバイスが必要ですが、MAFT-ONNでは1つのデバイスで1つのレイヤーの全部の計算を処理できます。「フォトエレクトリック乗法」という技術により、1台のMAFT-ONNデバイスで1万ものニューロンを配置し、必要な演算を「一発」で行えることが可能になりました。 性能評価 シミュレーションでのテストでは、MAFT-ONNは単発で85％の分類精度を達成し、複数回の測定を通じて99％以上まで迅速に向上しました。全体のプロセスは約120ナノ秒しかかからず、デジタルRFデバイスがマイクロ秒単位でしか実現できなかった機械学習推論を、光学システムではナノ秒やピコ秒で行えます。 今後の展望 研究チームは、さらなる計算を実行し、MAFT-ONNのスケーリングを進めるためにマルチプレクシングスキームの利用を考えています。また、より複雑な深層学習アーキテクチャへと展開し、トランスフォーマーモデルや大規模言語モデル（LLM）を実行できるようにすることを目指しています。 業界関係者のコメント 「この技術はリアルタイムの信頼性あるAI推論を可能にし、多くの応用を生み出す可能性があります。AIがエッジデバイス上で無線信号を分析できるようになったことで、自律走行車が環境変化に即座に対応したり、スマートペースメーカーが患者の心臓健康を連続的にモニタリングすることが可能になります」と、MIT電気工学・コンピュータサイエンス部門の教授であり、本研究の主要著者のDirk Englund氏は述べています。 研究概要 本研究には、米陸軍研究研究所、米空軍、MITリンカーンラボラトリ、NTT、そして国立科学財団からの資金援助が一部提供されました。この技術は、将来の6G無線通信における認知無線の最適化や、エッジデバイスでのリアルタイムデータ処理の進歩に大きく寄与する可能性があります。