カリフォルニア大学ロサンゼルス校（UCLA）の研究チームは、回折光学プロセッサと人工知能を組み合わせることで、低消費電力で高効率な構造物ヘルスモニタリング（SHM）の実現に成功しました。この新システムは、建物や橋梁といった土木インフラの健全性を、特に地震などの自然災害後に迅速に評価するために設計されています。 従来の SHM システムは、加速度計やひずみゲージといった多数のセンサー網に依存していました。しかし、これらのシステムは電力消費が大きく、得られる膨大なデータを処理するために複雑なデジタル信号処理を要し、設置・維持コストも高くなるという課題を抱えていました。また、損傷の正確な特定には高密度なセンサー配置が必要となり、さらに費用対効果が低下する要因となっていました。 この新技術を主導したのは、UCLA 電気電子工学科のアヤドガン・オズカン教授です。同システムは、受動的な回折層と浅いニューラルネットワークを共同最適化する画期的なアプローチを採用しています。構造物が振動すると、ターゲットに貼り付けられた最適化された回折層が移動し、入射光を変調します。これにより、構造物の複雑な時空間的振動情報が、光信号そのものの中に直接符号化されます。その後の処理は、少量の光学検出器と低消費電力のニューラルネットワークによって行われ、従来のようなデジタル領域での膨大なデータ処理を大幅に削減します。 オズカン教授は、このアプローチが計算負荷を物理的なドメインへシフトさせるものであり、従来のデジタルセンシングのパラダイムを根本から変えるものだと強調しています。実験では、UCLA 土木環境工学科のエルツグル・タキログル教授や、カリフォルニア地質調査所のフェリッド・ガハリ博士との協力を得て、実験室スケールの建物模型で検証を行いました。地震波を含む動的な励振下で、1 次元および 2 次元の振動スペクトルを正確に抽出することに成功しています。さらに、異なる波長の光を用いることで、複数の地点での振動を同時に監視できる波長分割多重化システムの実現も確認されました。 この技術のもう一つの大きな利点は、拡張性とエネルギー効率の高さです。回折層は完全に受動的に動作するため、その機能には一切の電力を消費しません。また、ミリ波用として設計された回折層の寸法を波長に応じて調整するだけで、可視光や赤外線など他の電磁波スペクトルでも利用可能な汎用性を有しています。この技術は、インフラの維持管理コストを劇的に削減し、将来のスマートな社会インフラの基盤となる可能性を秘めています。