フォトニックコンピューティング研究のこれまでの流れを概観するとともに、シンポジウム全体概要をレビューする。

本発表では、複雑系フォトニクスを活用した光リザーバコンピューティングと光意思決定に関する研究の最新動向について概説する。戻り光を有する半導体レーザを複数用いて並列化や多層化を行うことで、光リザーバコンピューティングの性能向上を達成する。また半導体レーザにおけるカオス的遍歴を用いて、多腕バンディット問題における意思決定を効率的に実現する。

極限光変調を生かすフォトニック近似コンピューティングに関する最近の研究活動、展望について述べる。

機械学習の高速化・高効率化に向けて、脳の神経回路を模した人工ニューラルネットワーク（ANN）を光回路へ実装する技術が注目を集めている。ANNの中でも、ランダムなネットワークを用いて情報処理を行うリザーバコンピューティング（RC）は、大半のパラメータの学習が不要であるため、光回路との親和性が良く、近年精力的に研究が進められている。本稿では、光通信用の集積回路として発展した石英系導波路(Planar lightwave circuit, PLC)技術を転用した、スケーラブルなオンチップ型の光RCの構成を提案し、その試作機による動作を紹介する。また、本素子の応用例として、光通信向けの信号処理や、高性能化に向けた物理デバイスの学習に特化したアルゴリズム構築、FPGAを用いたシステム実装についても紹介する。

本講演では、光の時空間ダイナミクスに基づく超高速・高効率のフォトニックコンピューティングおよびセンシング応用について示す。はじめに光波動現象を情報担体とする超高速・高効率光リザバー計算回路を紹介し、1.3 PMAC/s相当の瞬時処理の可能性を議論する。また、高速光ランダムパターン生成に基づく圧縮センシング技術を導入し、それと光リザバー計算回路を組み合わせることで、サブナノ秒スケールの超高速パターン認識への展開が可能となることを示す。時間があれば、マルチモーダルセンシング応用やリザバーの高度化についても紹介する。

ムーアの法則が終焉へと向かう中，光を用いたコンピュータのアクセラレーションが進んでいる．本講演では，レーザネットワークにおける同期現象に着目し，光アクセラレータとして競合バンディット問題を解くことを目的とする．レーザネットワークにおいてレーザダイナミクスが起因となる遅延カオス同期とネットワーク構築が起因となるゼロ遅延同期を同時に発生させることにより，競合回避システムの構築を行った．数値計算と実験では異なるネットワーク構造となったが，それぞれの構築で2つの同期現象を同時発生できることが分かった．また，このネットワークを用いて競合バンディット問題を解決し，単独で意思決定を行うよりも報酬が増加することが分かった．

光通信システムの重要な要素技術である光変調の動作速度や機能性は年々向上し続けている。フォトニックコンピューティングにおける光変調に求められる機能は光通信システムとは異なる部分がある。本稿では、高速で制御精度の高い光変調技術が、フォトニックコンピューティングに果たす役割について述べる。

フォトニクス系のシステムは，レーザーの高速駆動や広帯域性を活用した超高速の機能実現を可能とし，基幹系の通信において光が不可欠な社会基盤となっていることは勿論のこと，短距離の通信においても光化が益々進展している．一方，現在の情報処理の多くを担っているマイクロプロセッサ等は集積電子デバイス技術を中心としたエレクトロニクスを基礎としている．フォトニックコンピューティングにおいても，全ての処理を光化することは困難であり，制御回路や後処理回路はエレクトロニクスに依存している．光と電気の融合は最重要課題の一つと言える．

光デバイスを用いたナノフォトニックニューラルネットワークアクセラレータは，高性能・低電力なコンピューティングシステムを実現するための有望な手段の1つである．ナノフォトニックデバイスは光を情報媒体として扱う性質上，極めて突出した利点(極低レイテンシ，低損失、高い耐雑音性，および，広い帯域幅)を有する反面，集積度の低さや電/光・光/電変換(電力・時間)コストの高さといった問題がある．このような特異なデバイスを活用し効率的なコンピュータシステムを構築するには，デバイスの利点の最大化と欠点の隠蔽をシステムレベルで達成する必要があり，デバイス・アーキテクチャ・ソフトウェアを協調設計が極めて重要となる.本発表では，効率的な光コンピュータシステムの実現に向けたシステムスタックを跨いだ性能分析に基づく最近の研究活動を紹介し，光コンピューティングの課題と可能性を示す．

フォトニックコンピューティングにより超高速な機械学習や最適化の実現が期待される．Laser Chaos Decision Makerは，Multi-Armed Bandit問題に適用可能な高速学習であり，その有効性についての理論も整理されつつある．小型デバイスの実装も進められている．本稿では，Laser Chaos Decision Makerの応用例として，無線通信システムの高速最適化に関する研究を紹介する．

スパイク発振器ネットワーク群知能アルゴリズム(OSNNs)は，各粒子が簡素な構造のスパイク発振器から構成され，これらのスパイク発振器同士が相互作用することで最適化問題に対する最適解・準最適解を効率的に発見することが可能な決定論的な群知能アルゴリズムである．本稿では，OSNNsの基本的なアルゴリズムと，相互作用による同期現象の理論解析，およびその探索性能について紹介する．

リザバーコンピューティングは、動的システムをモデリングするための機械学習の枠組みの一つである。主に時系列データのパターン認識に用いられる。時系列入力はリザバーと呼ばれる非線形変換器で変換され、簡便なリードアウト機構によりモデル出力を与える。一般に学習計算はリードアウト部の回帰計算で行われるため、深層学習を用いるリカレントニューラルネットワークと比べて学習計算が高速であることが特長である。また、リザバー部を適応的に変更する必要がないため、非線形現象を示す様々な媒質を用いてハードウエア実装可能であるという利点がある。本発表では、リザバーコンピューティングの基礎と最近の進展について解説し、マルチスケール系の数理モデリングとの関連について議論する。

１９７０年代のGardnerとAshbyやMayの論文に遡る「種の多様性と生態系の複雑さは生態系ダイナミクスを安定化するのか否か」という論争は、「２１世紀の生態学に残された問題」のひとつであるが、野外における生物群集の長期観測の困難から未だに決定的な実証研究がない。本発表では、論争の元となったシミュレーションと理論解析から始めて、我々が行ってきた統計力学的解析の結果を紹介し、マウス腸内細菌叢の個体群動態データから推定された種間相互作用行列の各要素が正規分布に従うこと、さらにその種間相互作用を用いたシミュレーションがカオスを示し、複雑で多様な生態系が安定に存続する実例になっていることを示す。

グラフ構造は極めて汎用に利用可能な基本的なデータ構造であり，現実世界における様々なものがグラフにより抽象表現可能である．グラフを人工的に生成する技術は，通信ネットワーク，ソーシャルネットワーク，交通網，データベース，分子工学，疫学など様々な分野においてアプリケーションがあり重要である．グラフの生成問題は歴史的には古くから研究されており，様々な生成モデルが提案されているが，共通するのは広大なグラフの空間から特定の特徴を備えたグラフをサンプリングする試みであるという点である．本稿では，統計的生成モデルからDeep Graph Generatorsまで代表的なグラフ生成モデルと我々が提案するGraphTuneを紹介しつつ，グラフ生成モデルの今後の展開について言及する．

今後より一層複雑化する無線ネットワークに対し，個々の通信路単位ではなく，ネットワーク全体の性能を理論的に解析するアプローチとして，確率幾何と呼ばれる数理手法が近年注目を集めている．確率幾何は，空間的な確率過程を用いて，空間上のランダムな現象のモデル化や解析を行う数理手法である．本稿では，無線通信の研究分野において1つの標準的なツールとなった確率幾何による通信性能解析を，UAVを用いたIoTデータ収集ネットワークを例として紹介する．

現在の商用第5世代移動通信システム（5G）は初版である3GPP Release 15規格に基づいているが，Rel. 16規格の商用普及もまもなく進むと予想されている．そして大容量化の通信規格・ユースケースだけでなく，超高信頼低遅延と多数同時接続の規格に沿ったサービスが身近に提供されるはずである．このような規格実現を支える無線通信の要求条件は多岐に渡っており， 5Gの通信性能は4Gの10～100倍の改善が行われている．この改善を支える主要な技術の一つが非線形信号処理であり，第6世代（6G）もこの延長線上での進化が行われている．そこで本稿では，5G・6Gにおけるシステムモデリングおよび非線形信号処理による性能改善の事例を紹介し，この観点からの今後の無線通信システムの動向を明らかにする．