NSF AI助成 $113万：光で計算しAIの消費電力を桁違いに下げる「光集積AI計算」（UCバークレー・NSF-Intel）

米国科学財団(NSF)は、カリフォルニア大学バークレー校(UC Berkeley)が主導する「ASCENT: Wafer-scale Heterogeneous Integration of Lithium-Niobate-on-Silicon Optoelectronics for Ultralow-energy AI computing」に約113万ドル（$1,130,000）を交付した（NSF Award 2520253、プログラム：NSF-Intel半導体連携／ASCENT、期間2025年10月〜2029年9月）。

抄録によれば、AI・IoT・5G/6Gネットワークから生じる増大するデータ量が、CMOSベースの計算ハードウェアの処理能力に挑戦している。本プロジェクトは、計算能力とエネルギー効率をさらに伸ばすため、光ベースのフォトニック集積計算回路を提案する。高いクロックレートでの計算と、超低損失なオンチップ・データ移動を可能にし、AI計算に必要なエネルギーを大幅に（現行CMOS技術より最大で2桁＝約100倍）削減しうる。これにより、自動運転・医療診断・自然言語処理・科学的発見まで、幅広い応用を変えうる。半導体製造での米国の競争力強化と、チップ設計・フォトニクス・AIの専門人材育成にも資する。

技術的には、薄膜ニオブ酸リチウム(TFLN)とシリコンフォトニクス/エレクトロニクスのウエハスケール異種集積により、>100 TOPS/W の高効率・高スループットな光電子ハイブリッド・プロセッサの構築を目指す。主要な技術目標は、(1)スケーラブルな時間多重符号化で大規模並列のテンソル演算を行う時空間波長の超次元フォトニック回路、(2)TFLNをシリコン上に集積したCMOS互換の高速電気光学変調器（>50 GHz帯域・<10 fJ/変換）、(3)LLMのような大規模モデルやマルチエージェント系のリアルタイム判断を支えるハード・ソフト協調設計。行列積を O(N) の変調器スケーリングとエネルギー効率で実現し、自動運転の強化学習でエンドツーエンドのAI性能を検証する。