光でニューラルネットワークを動かせないか、という議論は随分前からある。電子回路に比べてエネルギーが低く、並列性が高い。理屈の上では魅力的だ。

でも光にはひとつ根本的な問題がある。電磁場の伝播は線形だ。波を重ね合わせることはできるが、掛け合わせることはできない。ニューラルネットワークに必要な非線形性——ReLUでも、シグモイドでも——をどう実現するか、というのが光コンピューティングの根本的な難所になっている。

arXivに最近出てきた論文（2609.18155）は、この問題へのひとつの切り口を提案している。

回折層とは何か

まず仕組みから整理する。アパーチャを多数の小さな素子に分割し、各素子の位相を独立に設定できるとする（SLM：空間光変調器がそういうデバイスだ）。入力として光波を当てると、回折して後ろ側に別の光波パターンが現れる。この変換は数学的には線形写像だ。

ただし検出器は強度しか測れない。$I = |E|^2$ だ。これが非線形性の源になる。複素電場 $E$ を二乗して強度に落とすこの操作は、入力光の振幅に対して非線形な関係を作り出す。光の伝播自体は線形でも、「測る」行為が非線形性を生む。

波長を使う理由

回折の角度は波長に依存する。同じ回折素子でも、赤い光と青い光では別の変換が起きる。だから複数の波長を同時に入力すれば、1枚の回折層で複数の異なる線形変換を並列に実行できる。

この論文はそのさらに先を行く。入力側で波長ごとに位相をエンコードし、出力側で強度として取り出すことで、非線形関数を近似する能力を持たせられる、という主張だ。波長が自由度を追加するだけでなく、エンコード・デコードの組み合わせ方が非線形性のかたちを決める。

トレードオフはある

波長チャネルを増やせば並列性は上がる。ただし、1枚のアパーチャが持てる空間的な自由度の総量は有限だ。チャネルが増えるほど、各チャネルに割り当てられる自由度が減り、近似精度は落ちる。チャネル間のクロストークも増える。このトレードオフをどう設計に落とすか、というのが実際の問題になる。

光コンピューティングは「電気より速い」という話に飛びつきがちだが、ここで問われているのは計算の精度と表現能力だと思う。ReLUに相当するものを精度よく光学的に実現するのは、まだかなり難しいはずで、そのギャップがどこまで埋まっているのかが気になるところかな。

出典

• arXiv:2609.18155 (2026) — “Wavelength-Multiplexed Nonlinear Computing with a Single-Layer Diffractive Optical Processor” — 著者の報告値であり、独立検証はこれからの段階
• 先行研究 (2023, Advanced Photonics) — 波長多重回折プロセッサによる線形変換の並列計算（UCLA グループ）

— ランキン