光ファイバーのリングと、アナログハードウェアという賭け

AI向け計算の核心は、いまもエネルギー効率にある。光ハードウェアは以前から高速・低消費電力をうたってきたが、昔からの壁にぶつかってきた。アナログ部品の上で誤差逆伝播を実行するのが難しいのだ。2026年11月5日にNature Computational Scienceに掲載された、東京大学の中嶋浩平准教授が率いるグループの研究は、その代わりとなる方法を提示している。著者らによれば、SS-DFA（state-skipping direct feedback alignment）と名付けられたこの手法は、誤差を伝えるために物理系の中間状態へアクセスする必要がない。これを、多数のユニットが複雑な結合ではなく一般的な規則に従う単一マップ型のアーキテクチャと組み合わせている。博士課程のYongbo Zhang氏が述べたように、狙いは、ますます大きく複雑なモデルを作り続けることではなく、学習のプロセスそのものを考え直すことだった。

物理的な実証には光電子回路が使われた。情報を光信号に変換し、長さ200メートルの光ファイバーのリングに沿って処理したあと、最小限の電子部品で電気信号に戻す仕組みだ。大学のプレスリリースによれば、シミュレーションでも光学実験でも、この簡素な設計はより複雑なニューラルアーキテクチャと同等の性能を示し、一部のテストでは上回った。しかも計算量ははるかに少ないという。ただしリリースには数値もベンチマークも載っていない。2026年1月に公開されたプレプリント（最終版とは題名が異なる）のアブストラクトには、この手法を現代的なアーキテクチャに組み込むと、性能を高めつつ計算資源を約40%削減できると書かれていた。リリースは、対象が「比較的基本的な」アーキテクチャであると断っている。掲載版では数値が異なる可能性もある。

データセンターのエネルギー、冷却、水の消費への実際の効果について、リリースは可能性として示しているだけで、研究の中で測定されたものではない。また、この技術には現時点ではっきりした限界がある。中嶋氏自身、この手法は最大級のモデル、とくに言語モデルやマルチモーダルモデルではまだ試されておらず、実用化の前に小型化、安定性、大規模生産についてさらなる研究が必要だと述べている。

200メートルの光ファイバーを走る信号に計算させるという発想には、否定しがたい美しさがある。だが、実験室での実証とデータセンターが運用で求めるものとの距離は、まだ大きい。モデルの複雑さを減らすのは興味深い概念上の試みだ。ただし、理論上の可能性を、現場ですでに測定された効率と取り違えないことが前提になる。 — Olya