| Project/Area Number |
19K15041
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 21060:Electron device and electronic equipment-related
|
|---|
| Research Institution | Yokohama National University |
|---|
Principal Investigator |
Chen Olivia 横浜国立大学, 先端科学高等研究院, 特任教員(助教) (70837856)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Project Status |
Completed (Fiscal Year 2020)
|
| Budget Amount *help |
¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
Fiscal Year 2020: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2019: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
|
|---|
| Keywords | 電子工学 / 超伝導エレクトロニクス / 集積回路工学 / 低消費電力 / 近似計算 / 断熱回路 / 超伝導集積回路 / 機械学習 / 超伝導エレクトロニック / ストカスティック演算 / ディープラーニング |
|---|
| Outline of Research at the Start |
人工知能（AI）の台頭は，過去のコンピュータ革命やインターネット革命よりも人間の生活に大きな影響を与える可能性がある．人工知能を普及すると共に、莫大な電力が消費されてしまう．この電力危機を緩和するため，従来の半導体技術とくらべて，一万倍から十万倍以下の低い電力で動作可能な断熱型超伝導回路を用いることより，低電力化AIチップの実現が可能である。本研究では，１ワットの電力で１千兆回のAI演算が可能な超伝導AIチップの実現を目指す．
|
| Outline of Final Research Achievements |
In this research, we proposed an extremely low-power deep learning chip by combining Stochastic Computing (SC), an approximate computing scheme with the adiabatic quantum magnetic flux parametron (AQFP), a low-power superconducting technology. As the research results, we have developed an automated design tool chain for large-scale superconducting circuits design, prototyped the proposed deep learning chip, and demonstrated its operation at low temperatures.
|
| Academic Significance and Societal Importance of the Research Achievements |
人工知能の急速な発展に伴う情報量が爆発的増大し，莫大な電力が消費されてしまいます．本研究成果では，半導体回路に対して５桁以上消費電力効率を持つ超伝導回路を基盤技術とする上，近似計算である新たな計算方式との連携を通じて，1Wで千兆回演算級のエネルギー効率を有する新たな超低電力AIシステムの開発に挑戦します．また，本技術の応用の拡大，引いては地球温暖化の防止にもつながると考えます．
|
