UCLA（カリフォルニア大学ロサンゼルス校）の研究チームは、AIやクラウドデータ増加に対応する革新的な光学記憶技術を開発した。研究成果は光学誌Advanced Photonicsで発表された。本技術は深層学習で設計された受動誘電体層を用い、波長多重化による大容量画像保存と高速検索を実現する。 従来の磁気記録媒体はコスト、寿命、読み書き速度に課題を抱えていた。同システムは機械部品を排除し、透明基盤内に回折層を高密度積層する。各画像は固有の照明波長にマッピングされており、光源波長を変更するだけで同一出力視野内で任意の情報を選択的に読み出せる。 シミュレーションでは可視光域で4,000超の独立パターンを高精度に保存・再構成し、平均ピーク信号対雑音比は48dBを超えた。実証では2層型試作デバイスを作成、500nmから740nmの波長を逐次照射することで6種類の画像を正確に再構築した。波長符号化光学記憶の実装が可能であることを実証した。 本技術はスケーラビリティに優れ、複雑な材料分散制御に依存せず電磁波の異なる帯域でも動作する。偏光や角度、空間多重化と組み合わせれば容量をさらに拡大できる。UCLAのAydogan Ozcan教授は受動光学構造体単体で数千の画像を支持可能となり、長期アーカイブや光処理、光子計算の新たな機会を開くと述べている。 本プラットフォームは従来の電子メモリに代わる代替案として、長期安定保存に加え、情報セキュリティ、次世代ディスプレイ、光演算ハードウェアへの応用が期待される。データインフラ進化に伴い、光ベース記憶技術の重要性は増しており、本成果は高速コンパクトな光学保存の実現に向けた重要な進展となっている。