大規模なグラフニューラルネットワーク（GNN）推論における大幅な高速化を可能にするスケーラブルなAIアクセラレーターを実現。GNN推論中の不規則メモリーアクセスをほぼ完全に解決し、計算コストを大幅に削減可能。自動運転や広告推薦システムのようなリアルタイムかつ大規模なアプリケーションへの活用に期待。東京科学大学（Science Tokyo） 総合研究院 AIコンピューティング研究ユニットの藤木 大地 准教授とJiale Yan（ジャロ・ヤン） ポスドク研究員（当時）らの研究チームは、大規模なグラフデータを効率的に処理できる新しいAIアクセラレーター「B...

シリコンチップ上で、これまでに利用されていなかった次元「光導波路多重」を用いて、光による行列-ベクトル乗算を実行する光プロセッサーを実現。シンプルなシステム構成でありながら、大規模集積が可能なチップ構造を実証。光導波路多重に加えて、従来の波長・モードの次元を組み合わせることで、AIに向けた超並列光行列演算回路の実現が期待される。東京大学 大学院工学系研究科 電気系工学専攻の竹中 充 教授、唐 睿 特任助教（研究当時）、トープラサートポン・カシディット 准教授、高木 信一 教授（研究当時）、および産業技術総合研究所 光電融合研究センター 光電子集積デバ...