顔認識をはじめとして、人工知能ニューラルネットワークによる画像認識は、様々な分野で開発されている。画像認識におけるひとつの問題は、強力なコンピュータと電力が必要だということで、スマートフォンでさえ顔認識IDでロック解除する度に、バッテリーを多量に消費して寿命を短くしているという。

電気コンピュータ工学科のZongfu Yu教授が指導する研究チームは、ガラス材料中を通過する光によるニューラルコンピューティングに注目し、低消費エネルギーであり光速レベルの高速処理として、画像認識に活用しようと試みた。「カメラ、センサー、ディープラーニングという画像認識技術の組み合わせを、1枚の薄いガラスに凝縮した」と、Yu教授。具体的には、半透明な薄い平面ガラスの内部に、サブ波長サイズの気泡やグラフェン等の異相を、意図的に多数配置する。画像からの発射光がガラスに入射すると、反射や回折、吸収を繰り返した後、ガラス後方面で一定の光エネルギー集中スポットのパターンが生じる。最初の画像と最終の光エネルギー集中スポットパターンの関係を、機械学習を通じて様々な画像を識別することができるようになる。

概念立証のため、手書きの1桁の数字を識別できるガラス板を作成した。数字の画像から発射する光線が、ガラスの一端から入射した後、反射や回折、吸収を繰り返し、後方面において光エネルギー集中スポットパターンを形成する。繰り返し学習の効果によって、そのスポットパターンに対して、個々の数字を対応させることにより、手書きの数字をリアルタイムで検出できるようになった。初期の学習プロセスは、時間がかかりコンピューティングに負担がかかるが、ガラスそのものは簡単に安価に作成できる。また、作成されたガラス材料は、電力やインターネットを必要とせず、いつまでも動作する。光波のみを利用しているので、正確に光速レベルで動作する。

「この技術は、例えば、数字認識用、文字認識用、顔認識用など、個別の特定アプリケーションごとの展開に適している。さらに、自動運転車における交通信号の認識、コンシューマデバイスにおける音声認識など、多数の応用が考えられる」と、Yu教授は期待する。

（fabcross for エンジニアより転載）