随着生成式AI与云端服务的快速扩张，数据中心之间及内部传输的数据量呈爆炸性成长，连带使得耗电量急剧增加。另一方面，突发的服务器故障导致服务中断，将对社会活动造成重大影响。因此，为了推动自动驾驶、远距医疗、智能城市、科学技术运算等支撑社会的服务持续演进，必须创建一套能够快速、高效、低耗电且具备高容错能力来处理庞大数据的运作机制。 日本新能源产业技术综合开发机构（NEDO）委托进行的「实现高效率・高速处理之AI芯片・次世代运算技术开发／研究开发项目〔2〕次世代运算技术开发（JPNP16007）／运用异质材料集成光电子技术之高效率・高速处理分布式运算系统技术开发」计划中，为了同时解决「数据处理量扩大」、「耗电量降低」与「容错能力提升（高可用性）」等课题，成功实证了通过光技术进行低延迟数据传输，并运用远程运算资源的次世代分布式运算平台。其特色在于并非个别进行优化，而是将光学芯片、光收发模块、光网络与分布式数据库加以结合，对通信与运算进行整体优化。 作为内核的光学芯片，通过结合InP与硅的异质材料集成技术，实现了高速且低耗电的光学组件。在光收发模块方面，借由将部分电子处理转移至光学处理以降低耗电量，并使用多重波长来支持大容量传输。此外，通过多路径弹性光网络，能够根据需求灵活切换通信路径与带宽。 在实证过程中，确认了通过400 Gbps×2波长的光收发模块原型进行实际场域传输、链接多个据点的光网络控制，以及使用支持此光网络的分布式数据库「Tsurugi」来展示低延迟与高可用性的应用程序运作。此举为实现AI时代所需的10 Tbps级大容量、低耗电通信，以及有效运用广泛分散的运算资源指明了方向。 此项成果不仅是将数据集中于一处进行处理，更迈向了将各地运算资源依需求链接，作为一个庞大运算平台来使用的未来愿景。预期将可作为支撑AI时代社会基础设施的内核技术。未来，作为一项能在因应通信流量增加的同时抑制耗电的技术，预计将广泛应用于数据中心、通信基础设施、智能城市等领域。 ## 1. 背景 随着生成式AI的普及，AI训练与推论所需的数据处理量正急遽增加。为了在未来持续支撑庞大的处理量，必须有效运用地区性分散的运算资源。同时，为了解决随之增长的能源消耗问题，数据中心与网络被要求必须同时实现大容量化与低耗电化。 过去通常借由增加更高速的设备来因应通信量的成长。然而，未来若仅是单纯增加设备，将面临电力、安装空间与营运成本的巨大限制。此外，固定的通信带宽分配难以根据运算资源的壅塞或空闲状况进行灵活调度。从碳中和的角度来看，以更少电力来运作通信与运算的技术至关重要。特别是在支撑AI处理的数据中心电力需求高涨的情况下，通信部分的节能化已成为重要的社会课题。同时，基于信息安全的考量，也迫切需要实现高可用性的数据库。 因此，本计划将光学芯片、光收发模块、光网络与分布式数据库集成为单一的分布式运算平台。通过低延迟链接远程据点，并将必要的通信带宽分配至所需位置，致力于在实现高可用性的同时，打造出能因应AI时代运算需求的全新ICT基础设施。 ## 2. 本次成果 ### ① 异质材料集成光学芯片 作为异质材料集成平台技术，导入了在InP系主动区与Si波导之间具有优异位置精度，且能实现高密度、多功能集成的InP小芯片/SOI※1晶圆接合技术，并将其应用于数字同调传输※2用光学组件。在作为光源的可调波长雷射※3方面，领先全球实现了将两种设计不同的InP系增益区一体化集成於单一硅(Si)光子※4电路上的组件，不仅涵盖了C频段(波长: 1530 nm – 1565 nm)，甚至延伸至L频段(波长: 1565 nm – 1625 nm)。