CLEO 2020 兒玉拓昌

2020-01-16 2022-09-27 miyahara

Research

CLEO 2020 参加報告

11-15 May 2020, Online

修士1年兒玉拓昌

1．CLEO2020について

CLEO(The Optical Society OSA)は，アメリカ物理学会(American Physical Society : APS)やIEEE Photonics Societyがスポンサーを務める，最大規模のフォトニクス関連の国際学会である．例年San Joseで開催されているが，今年は新型コロナウイルス(COVID-19)の波及により全ての発表がオンラインで行われた．今までにない状況下であったが，延べ75ヵ国から発表者が集い，2000を超えるプレゼンテーションと248ものポスター発表が行われた．報告者も発表に参加したため，自身の発表を通して感じたことを含め，聴講した幾つかの発表を紹介したい．

2．報告者の発表について

タイトル: High-resolution Spectrometer with Random Photonic Crystals
発表者: Takumasa Kodama
所属: Keio University
発表番号: FM2R.4 (Mon, May 11th)

幅変化型の線欠陥フォトニック結晶導波路と深層学習アルゴリズムを用いた微小サイズの分光器についての発表を行った．フォトニクスと深層学習をマージした研究は本会議でも見られ，深層学習は近年の流行りであることを再確認できたと同時に，我々の研究の様に，データ解析に用いている研究は見当たらなかったため，新たな深層学習の利用を発表できたのでは，と考えている．発表形式はLive形式で行い，質疑ではQ&A欄に届いた質問を座長が読む，というものであった．英語の聞き取りに不安があったが，届いた質問を自身でも読むことが出来るため，乗り越えることが出来た．質問の内容は，データ解析に用いた深層学習と最適化アルゴリズムの差異について，また何故そのようなアルゴリズムを適用することで分解能を向上させることが出来るかなどのコンセプトに関係があるものが多かった．自身の発表に際して，プレゼン資料を画面に共有するのだが，やり方を間違えると発表者ツールが聴講者に見えるというアクシデントが起こる．これを回避するには，パワーポイントを共有した後に，スライドショーを開始すれば良い．

3．聴講した発表

タイトル: Lasing up to T = 339K in Subwavelength Nanowire-Induced Photonic Crystal Nanocavities
発表者: Sylvain Sergent
所属: NTT Nanophotnics Center
発表番号: SM1J.6 (Mon, May 11th)

シリコンナイトライドのフォトニック結晶とⅢⅤ族ナノワイヤを用いた低閾値なレージングを行っている．NTT のフォトニクスグループは，近年フォトニック結晶とプラズモニクスに関する研究を盛んに行っている．本発表は，フォトニック結晶導波路にナノワイヤを設置することでそこが利得媒質となり，T = 360 K まで励振が確認された．また，ナノワイヤの長さや半径，格子定数な多くの組み合わせを試し，それぞれのQ 値や閾値を測定し，それらの関係性を示していた．また，フォトニック結晶を用いて直接ナノワイヤに光を入れるため，集積回路とも相性が良く，常温でかつ入力パワーも少なくて済む(3.5 MW/cm2)．シリコンの基盤はサイズが非常に小さく，光のロスが少ない．なおかつ常温での稼働が可能であるため，消費電力が非常に少なくて済む．また本発表ではZnO を用いたレージングを行っていたが，様々なナノワイヤを用いることで，レーザ波長を制御することも可能で，設計も柔軟という利点も述べられていた．論文: https://pubs.acs.org/doi/pdf/10.1021/acsphotonics.0c00166

タイトル: Photonic neural network: training, nonlinearity, and recurrent systems
発表者: Shanhui Fan
所属: Stanford University
発表番号: JF2A.3 (Fri, May 15th)

本発表は，光を用いたニューラルネットワークの構築について述べていた．2018 年から光ニューラルネットワークについての論文を投稿しており，その三つの論文を紹介する内容であった．近年，ニューラルネットワークを光で再現することによって，高速化，電力の削減を行う試みは多く行われている．ネットワークを構築する上で，入力から適切な出力を生むためには最適化が必須となる．光ニューラルネットワークにおけるマトリックス計算は，マッハツェンダー干渉計の原理を用いており，位相のずれによる光強度の強弱によって表現している．最適化を行うためには勾配の測定が必要となる．先行研究では，最適化にはコンピュータモデルを用いていたが，新しく手法として，デバイスの光強度を測定することによって勾配を取得する，随伴変換というアプローチを用いている．これによって勾配の取得を光の領域で可能となるため，従来の手法で用いられきた手順を短縮することが可能となり，またその取得した勾配を電圧に変換することで，チップ上で直接，干渉に反映させる試みを発表していた．
論文: https://www.osapublishing.org/optica/abstract.cfm?uri=optica-5-7-864
: https://www.osapublishing.org/oe/abstract.cfm?uri=oe-28-8-12138
: https://advances.sciencemag.org/content/5/12/eaay6946