100万件規模の住宅ローンデータに対するアナログ光学推論
arXiv cs.LG / 2026/4/16
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、5.84百万件の米国HMDA（住宅ローン開示データ）記録を用いて、アナログ光学コンピュータ（AOC）のデジタルツインを、住宅ローンの承認分類に関してベンチマークし、従来の小規模な画像ベンチマークを超えることを示している。
- 19の特徴量設定において、AOCはバランス精度94.6%を達成し、XGBoostの97.9%に対して優位性は小さい。さらに光学コアのチャネル数を16から48に拡大してもギャップはわずかにしか縮まらず、ハードウェア単体よりもアーキテクチャ上の限界を示唆している。
- すべてのモデルを共通の127ビットのバイナリエンコーディングに強制すると、あらゆる手法の精度が約89.4〜89.6%まで低下する。エンコーディングのオーバーヘッドにより、デジタルモデルでは約8ポイント、AOCでは約5ポイントの精度低下が生じる。
- 著者らは、校正された7つのハードウェア上の非理想性は測定可能なペナルティを与えないことを見出し、残る精度低下は主に3つの層、すなわちエンコーディング、アーキテクチャ、ハードウェアの忠実度（fidelity）に起因するとしている。
- 本研究は、精度がどこで失われ、アナログ光学推論の性能にどの制約が最も影響するかを特定することで、次の改善に向けた明確なロードマップを提供している。
