| Project/Area Number |
21H04887
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (A)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Medium-sized Section 61:Human informatics and related fields
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
KOHNO Takashi 東京大学, 生産技術研究所, 教授 (90447350)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小林 正治 東京大学, 大学院工学系研究科(工学部), 准教授 (40740147)
|
|---|
| Project Period (FY) |
2021-04-05 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥42,250,000 (Direct Cost: ¥32,500,000、Indirect Cost: ¥9,750,000)
Fiscal Year 2023: ¥13,780,000 (Direct Cost: ¥10,600,000、Indirect Cost: ¥3,180,000)
Fiscal Year 2022: ¥13,650,000 (Direct Cost: ¥10,500,000、Indirect Cost: ¥3,150,000)
Fiscal Year 2021: ¥14,820,000 (Direct Cost: ¥11,400,000、Indirect Cost: ¥3,420,000)
|
|---|
| Keywords | ニューロモルフィックハードウェア / 神経模倣システム / 低電力アナログ集積回路 / 教師なし学習 / 超低電力アナログ回路 / 神経模倣回路 / 神経模倣情報処理 / 超低消費電力アナログ回路 / 不揮発性メモリデバイス / シリコン神経ネットワーク / ニューロモルフィック回路 |
|---|
| Outline of Research at the Start |
脳からより多くを学ぶことで脳により近い情報処理の実現を目指すニューロモルフィックハードウェアにおける重要課題（超低電力アナログ集積回路実装技術と、より脳に近い情報処理モデル）を融合的に研究する。これによって、現行の人工知能(AI)の限界を超え、ヒトの脳のように自発的で複雑な処理を超低電力で行う次世代AIのための、CMOS/FeFET混在アナログシリコン神経ネットワーク基盤技術を進展させる。
|
| Outline of Final Research Achievements |
Fundamental technologies for enhancing power efficiency of neuromorphic hardware were developed by being aware of detailed mechanisms of information processing in the nervous system. Establishing the fundamental technology for neuromorphic hardware with power efficiency comparable to the nervous system is included in the scope of this work. By reproducing the dynamical structures in the neuronal activities, we developed an ultra-low power (~200 pW) neuron circuit. In addition, unsupervised learning models that exploit noises and can be implemented efficiently by mixed-signal circuits were developed.
|
| Academic Significance and Societal Importance of the Research Achievements |
ニューロモルフィックハードウェアは、神経スパイクと呼ばれるパルス状の電気活動が脳神経ネットワークの情報処理の重要な要素であることから着想された、パルスを用いて情報をコーディングする超並列ハードウェアであり、人工知能（ＡＩ）と同等の情報処理を低電力で実行できるハードウェア基盤として注目されている。本研究では、より脳神経系から学ぶことで、脳神経ネットワークに近いエネルギー効率で動作するニューロモルフィックハードウェアの基礎技術を開発した。本技術は、現行のニューロモルフィックハードウェアよりエネルギー効率が3桁程度高い新しいニューロモルフィックハードウェアの基盤技術となりうる。
|
