Space-efficient optical computing with an integrated chip diffractive neural network

本研究は、集積チップ回折ニューラルネットワーク（IDNN）を用いた省スペースな光コンピューティングを提案し、実証したものです。従来の光ニューラルネットワーク（ONN）が、計算操作の実現に多くのマッハ・ツェンダー干渉計（MZI）を必要とし、その結果、フットプリントとエネルギー消費が入力次元に対して二次的に増大するというスケーラビリティの限界を克服しています。この新しいIDNNチップは、超小型回折セルを活用してフーリエ変換と逆フーリエ変換を実現することで、必要となるMZIの数を入力次元に対して線形にスケールするように削減しました。この画期的な設計により、従来のMZIベースのONNと比較して、フットプリントとエネルギー消費の両方で約10倍の削減を達成し、スケーラブルで低消費電力の光演算チップの実現に向けた有望な道筋を示しています。