研究領域 | 光の極限性能を生かすフォトニックコンピューティングの創成 |
研究課題/領域番号 |
22H05198
|
研究種目 |
学術変革領域研究(A)
|
配分区分 | 補助金 |
審査区分 |
学術変革領域研究区分(Ⅳ)
|
研究機関 | 金沢大学 |
研究代表者 |
砂田 哲 金沢大学, 機械工学系, 教授 (10463704)
|
研究分担者 |
犬伏 正信 東京理科大学, 理学部第一部応用数学科, 准教授 (20821698)
丸山 武男 金沢大学, 電子情報通信学系, 准教授 (60345379)
原山 卓久 早稲田大学, 理工学術院, 教授 (70247229)
|
研究期間 (年度) |
2022-06-16 – 2027-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
177,450千円 (直接経費: 136,500千円、間接経費: 40,950千円)
2024年度: 31,070千円 (直接経費: 23,900千円、間接経費: 7,170千円)
2023年度: 35,490千円 (直接経費: 27,300千円、間接経費: 8,190千円)
2022年度: 48,100千円 (直接経費: 37,000千円、間接経費: 11,100千円)
|
キーワード | リザバーコンピューティング / 光ニューラルネットワーク / フォトニックコンピューティング / シングルピクセルイメージング / スペックル / 物理深層学習 |
研究開始時の研究の概要 |
本研究では、マイクロ・ナノフォトニクス技術によ る光制御と光通信分野で培われた2つの多重化技術(空間多重化・波長多重化)を組み合わせ、並列分散的にニューラルネット(NN)的処理を可能にする新奇の光デバイスを開発する。そして、その並列分散処理性と最適制御を用いて、微小領域でこれまでにない超大規模かつ高度なリザバーコンピューテ ィング(再帰型NN計算の一種)が可能となることを示す。さらに、光リザバー回路チップを用いて、従来技術では達成困難なサブナノ秒の高速現象のイメージを認識可能な超高速認識技術への応用展開を検討する。
|
研究実績の概要 |
本研究では、マイクロ・ナノフォトニクス技術による光制御と光通信分野で培われた2つの多重化技術(空間多重化・波長多重化)を組み合わせ、並列分散的にニューラルネット(NN)的な計算を実行可能な新奇の光デバイスの開発を目指している。本年度の成果の一つは、光微小共振器を用いた光リザバー計算回路を用いて、高速パターン認識の実証実験を行なったことである。本提案システムでは、昨年度に開発した高速光スペックルパターン生成器と光リザバーチップを用いて構成されている。まず高速光スペックルパターン生成器により認識対象のイメージを時系列情報に変換し、それを時系列信号の処理が得意な光リザバー回路で処理を実行する。このシングルチャンネルマシンビジョンシステムで、MNISTの手書き文字認識やコンクリートのひび割れ検知タスクなどがナノ秒オーダーで高速に処理可能であることや、本システムで用いられる微小共振器光リザバーは、入力情報の分散表現に寄与するため、それを用いない場合に比べて、30%以上の認識精度の向上は可能であることを示した。また、イメージ認識だけでなくイメージングも本提案システムで可能となることを示した。デモとして、DMD上に表示したMNIST手書き文字をマイクロ秒程度の時間で高速にスイッチングした現象に対して、どのように表示イメージが切り替わるかのイメージ情報をナノ秒程度の分解能で取得できることを示した。本提案手法は、パルスレーザーに基づく高速イメージング手法と異なり、数十マイクロ秒以上の長時間のレコーディング・再構成がナノ秒以下の分解能で可能となる。次年度は、本手法の高度化・安定化も含めてシステムの改良にも着手する。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当該年度は、当初の研究実施計画に従って上述のマシンビジョン応用を想定した検証実験を行い、パターン認識などの基本的な性能を評価した。また、当初は困難と思われていた高速イメージングへの展開に着手できた。
|
今後の研究の推進方策 |
次の3点の研究を推進する。(1)光リザバー計算のリアルタイム処理の実現を目指し、光回路と高速電子回路を組み合わせたシステムを検討する。光回路としては昨年度に評価した光微小共振器型の光リザバー回路を想定し、その光回路から出力を積和演算させる回路と合わせる。実験・シミュレーション両面において、このシステムのパフォーマンスを評価する。(2)物理ハードウェア向けの学習手法について調査する。 通常の誤差逆伝搬ではシステムの詳細な情報が学習に必要であるが、実際の物理システムで詳細な情報を得ることは困難である。そのようなブ ラックボックスでも学習可能な学習手法を考案し、実際の光システムでその性能を評価する。(3)マシンビジョン応用を想定して、本研究で開発中の光シングルチャンネルビジョンシステムの改良を実施する。具体的には、多波長光源を用いて並列的にランダムマスクパターンを生成する手法、キャリブレーションの導入による高速イメージング手法の高度化・高速化を目指す。
|