金沢大学，埼玉大学の研究グループは，脳のような高度かつ柔軟な情報処理を光の物理現象に担わせることで，ニューラルネットワークのような機械学習が可能となることを実証した（ニュースリリース）。
電子型デバイスとしてのニューラルネットワーク構築は，処理速度やエネルギー効率の観点で限界が指摘されている。他方，高速性とエネルギー効率の高さを持つ光回路によるニューラルネットワークは，1次元的な光導波構造を利用してきたため大規模な実装が困難だった。
研究では，スペックル現象に着目した。スペックル現象は，入射する光（入力情報）に応答して，複雑にそのパターンが変化する。光通信やディスプレー応用などの分野においては除去すべき邪魔な対象とみなされてきたが，情報処理の点では大変有用な性質と考えられるという。
研究では，入力に応じて複雑・多様に変化する波動パターン（スペックルパターン）を活性化したニューロンとみなし，単純な機械学習手法で時系列信号の高速予測処理が可能であることを示した。原理検証実験のスペックル生成器には，光通信で利用されるマルチモードファイバを利用した。
光がファイバ中を伝搬して干渉した結果として，その出力端でスペックルパターンが観測される。そのスペックルパターンは，光の波動性に起因して，入力信号に応じて無限に近い多様性（表現性）を示し，高速に応答する特徴がある。
また，その表現性による入力信号の特徴抽出は，光の伝搬と干渉現象に任せて自然に実行されるため，従来のニューラルネットワーク回路のように制御用の膨大な配線は必要なく，低エネルギーでの処理が可能となるという。
さらに，この光波動の計算システムは，複数の独立した情報処理を同時に実行できる。例えば，通信分野においては，通信路に非線形な歪みやノイズが入る場合に受信信号は送信信号と全く別の信号となる可能性があり，複数の信号を受信すれば，それらを同時に復元処理する必要が生じる。
研究では，非線形等価チャンネルタスクと呼ばれる信号復元タスクにおいて，光波長分割多重化手法を合わせることで1つのデバイスで，2つの独立した受信信号から送信信号が同時に復元可能であるという結果を得た。
今後，この計算原理をさらに高度化することにより，高速性と並列性を兼ね備えた新しいAIチップへの発展が期待されるという。さらに，光通信分野での情報処理効率を飛躍的に高めるデバイスとしての応用も期待できるとしている。
