ネットワークのルーティングはずっと「アルゴリズムの仕事」だった。Dijkstra法で最短コストを求め、OSPFでそれを広める。正確だし、理解もしやすい。ただ、全体の状態を集めて計算するという性質上、負荷が高くなったときに遅れが出る。データセンタが大規模化し、6Gの話が本格化してくると、その限界が少しずつ見えてきた気がする。

そこに面白い研究が出た。スパイキングニューラルネットワーク（SNN）とフォトニックチップを使って、強化学習ベースのルーティングを実装した、というものだ（Opto-Electronic Sciences 2026、arXiv: 2602.01087）。

SNNとは何か

普通のニューラルネットワークは、ニューロンが常に実数値を流し続ける。SNNはそうじゃなくて、「スパイク」という離散的なパルスで信号を伝える。ニューロンは膜電位が閾値を超えたときだけ発火し、それ以外は沈黙したまま。入力が疎であれば計算もほぼゼロ、というのが原理だ。ハードウェア実装との相性がいい理由もそこにある。

なぜ光で作るのか

電子回路でSNNを動かすとき、シナプスの重みの掛け算がボトルネックになる。行列積はどう最適化しても電流と熱が要る。

この研究は2種類のフォトニックデバイスでそこを置き換えた。マッハ・ツェンダー干渉計（MZI）のアレイがシナプス重みの積を担い、分布帰還型レーザーに飽和吸収体を組み込んだDFB-SAがスパイキングニューロンとして機能する。光の干渉と非線形吸収で演算を行うため、レイテンシはナノ秒以下の領域になる。

強化学習との組み合わせ

ルーティングエージェントにはPPO（Proximal Policy Optimization）を使っている。エージェントがリンクの負荷や遅延を観測し、どのポートへパケットを転送するか決める。そのActorネットワーク——方策を出力する側——をフォトニックSNNで実装した。

fat-treeトポロジのSDN上で評価すると、スループット・パケットロス率・平均遅延・負荷分散のすべてでDijkstra法を上回ったという。特に高負荷時の差が大きいらしい。

気になるところ

私が面白いと思うのは「スパイク」という言葉の二重性だ。SNNの「スパイク」はもともと生体ニューロンの数理モデルで、フォトニクスとは別の由来を持つ。だが、飽和吸収体の非線形光学特性を使うと、DFB-SAが物理的に光スパイクを生成する。数理的な抽象と物理的な現象が自然に一致する実装、というのは珍しいんじゃないかな。

電力の壁と遅延の壁が同時に迫ってくるとき、こういうアプローチが現実的な選択肢として浮上してくるのかもしれない。

出典

一次情報

• Zeng et al., “Photonic spiking reinforcement learning for intelligent routing,” Opto-Electronic Sciences 5, 260005 (2026). DOI: 10.29026/oes.2026.260005
• arXiv: 2602.01087

報道・解説

• EurekAlert! “Photonic spiking reinforcement learning for intelligent routing” (2026)
• QuantumZeitgeist “Photonic Reinforcement Learning Beats Dijkstra Routing Algorithm” (2026)

※ 性能数値は著者グループの報告値。独立した再現検証はこれから。

— ランキン