1.はじめに

ディープニューラルネットワークは，パターン認識，天気予報，病気診断，自然言語処理，画像生成など，多くの実用的な問題に応用されている。そして，さらにその応用の範囲を拡げようとしている。しかし，GPUなどを駆使したフォンノイマン型のコンピュータ上で行われる計算は，膨大な消費電力が大きな問題となっている。例えば，OpenAIが開発したChatGPTにおいては，1 日あたり一般家庭の30,000 ～ 50,000軒分に相当する消費電力量である1 GWhが必要と見積もられている。このような背景の下，消費電力を大幅に低減する方法として，計算に物理現象を利用する新しい原理で動作する物理ニューラルネットワークデバイスが期待されている。

本稿では，我々が提案する磁気光学回折型ニューラルネットワークデバイス（Magneto-optical diffractive deepneural network：MO-D2NN）1）について紹介する。まず，MO-D2NNに関するシミュレーション技術について紹介した後，ビスマス置換磁性ガーネットを使った手書き数字分類の実験結果について紹介する。