• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

高信頼化に向けたメムキャパシタ脳型コンピュータ設計基盤

Research Project

Project/Area Number 22K11954
Research Category

Grant-in-Aid for Scientific Research (C)

Allocation TypeMulti-year Fund
Section一般
Review Section Basic Section 60040:Computer system-related
Research InstitutionKyoto Institute of Technology

Principal Investigator

新谷 道広  京都工芸繊維大学, 電気電子工学系, 准教授 (80748913)

Co-Investigator(Kenkyū-buntansha) 中島 康彦  奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (00314170)
木村 睦  奈良先端科学技術大学院大学, 先端科学技術研究科, 客員教授 (60368032)
Project Period (FY) 2022-04-01 – 2025-03-31
Project Status Granted (Fiscal Year 2023)
Budget Amount *help
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Keywordsニューラルネットワーク / メムキャパシタ / 専用ハードウェア / 高信頼化 / ガウス過程 / 高集積化
Outline of Research at the Start

メムキャパシタを用いて実現するヒトの脳を模した脳型コンピュータはこれまでの計算基盤を刷新する最重要技術の1つとして期待を集めているが、製造不安定による信頼性課題により大規模化に重大な課題を抱えており、従来計算規模を超える目処は立っていない。本研究は、メムキャパシタ脳型コンピュータの高集積化に不可欠なシミュレーションによる材料が持つ物性の理解とそれを利用した高信頼化設計の技術基盤を形成するものである。脳型コンピュータの回路構成を模擬したシミュレーション環境を構築し、メムキャパシタSPICEモデル開発による故障等の非理想特性の解明と、シミュレーション結果を取り込んだ高信頼設計環境を確立する。

Outline of Annual Research Achievements

メムキャパシタによる脳型コンピュータはこれまでの計算基盤を刷新する最重要技術の1つとして期待を集めているが、製造不安定に起因する信頼性課題により大規模化に重大な課題を抱えており、従来計算規模を超える目処は立っていない。今年度は、メムキャパシタの特性モデル化に取り組んだ。まずは、ネット上で公開されているメモリスタを題材に、機械学習の1種であるガウス過程を用いてモデル化を試みた。従来、メメモリスタを用いた機械学習によるモデル化はLSTMを用いた手法があったが、ガウス過程のスパース近似を用いることで、LSTMよりも2000倍以上高速にモデル化できることを示した。さらに、多値を取りうるメムキャパシタを開発し、上記メモリスタと同様にモデル化できることを示した。これを用いてホップフィールドネットワークをSPICEシミュレーション上に構築し、学習および推論を実行できることを示した。さらに、メムキャパシタのアプリケーション例として超次元コンピュータを検討している。まずは、FPGA上に実装可能な電力効率に優れたアクセラレータを開発した。

Current Status of Research Progress
Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

任意のメムデバイス素子をモデル化できる環境を立ち上げた。

Strategy for Future Research Activity

今後はさらに大規模なアプリケーション回路に対して検証を行う。

Report

(2 results)
  • 2023 Research-status Report
  • 2022 Research-status Report
  • Research Products

    (18 results)

All 2024 2023 2022

All Journal Article (8 results) (of which Peer Reviewed: 8 results) Presentation (10 results) (of which Int'l Joint Research: 2 results)

  • [Journal Article] Efficient Wafer-Level Spatial Variation Modeling for Multi-Site RF IC Testing2024

    • Author(s)
      MIAN Riaz-ul-haque、NAKAMURA Tomoki、KAJIYAMA Masuo、EIKI Makoto、SHINTANI Michihiro
    • Journal Title

      IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences

      Volume: E107.A Issue: 8 Pages: 1139-1150

    • DOI

      10.1587/transfun.2023EAP1115

    • ISSN
      0916-8508, 1745-1337
    • Year and Date
      2024-08-01
    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Wafer-Level Characteristic Variation Modeling Considering Systematic Discontinuous Effects2024

    • Author(s)
      NAGAO Takuma、NAKAMURA Tomoki、KAJIYAMA Masuo、EIKI Makoto、INOUE Michiko、SHINTANI Michihiro
    • Journal Title

      IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences

      Volume: E107.A Issue: 1 Pages: 96-104

    • DOI

      10.1587/transfun.2023KEP0010

    • ISSN
      0916-8508, 1745-1337
    • Year and Date
      2024-01-01
    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] EcoFlex-HDP: High-Speed and Low-Power and Programmable Hyperdimensional-Computing Platform with CPU Co-processing2024

    • Author(s)
      Yuya Isaka, Nau Sakaguchi, Michiko Inoue, Michihiro Shintani
    • Journal Title

      Proc. of IEEE Design, Automation and Test in Europe (DATE)

      Volume: -

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] ccelerating Machine Learning-Based Memristor Compact Modeling Using Sparse Gaussian Process2024

    • Author(s)
      Yuta Shintani, Michiko Inoue, Michihiro Shintani
    • Journal Title

      Proc. of IEEE Design, Automation and Test in Europe (DATE)

      Volume: -

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Improving Efficiency and Robustness of Gaussian Process Based Outlier Detection via Ensemble Learning2023

    • Author(s)
      Eiki Makoto、Nakamura Tomoki、Kajiyama Masuo、Inoue Michiko、Sato Takashi、Shintani Michihiro
    • Journal Title

      Proc. of International Test Conference (ITC)

      Volume: - Pages: 132-140

    • DOI

      10.1109/itc51656.2023.00029

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Lifetime Improvement Method for Memristor-Based Hyperdimensional Computing Accelerator2023

    • Author(s)
      Iwasaki Tetsuro、Shintani Michihiro
    • Journal Title

      Proc. of IEEE International Meeting for Future of Electron Devices, Kansai (IMFEDK)

      Volume: - Pages: 1-2

    • DOI

      10.1109/imfedk60983.2023.10366339

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Feasibility Study of Incremental Neural Network Based Test Escape Detection by Introducing Transfer Learning Technique2023

    • Author(s)
      Takaya Ayano、Shintani Michihiro
    • Journal Title

      Proc. of IEEE International Test Conference in Asia (ITC-Asia)

      Volume: - Pages: 1-6

    • DOI

      10.1109/itc-asia58802.2023.10301182

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Journal Article] Experimental Study of Pass/Fail Threshold Determination Based on Gaussian Process Regression2023

    • Author(s)
      Daisuke Goeda, Tomoki Nakamura, Masuo Kajiyama, Makoto Eiki, Takashi Sato, Michihiro Shintani
    • Journal Title

      Proc. of Workshop on Synthesis And System Integration of Mixed Information Technologies (SASIMI)

      Volume: -

    • Related Report
      2023 Research-status Report
    • Peer Reviewed
  • [Presentation] ガウス過程回帰に基づく薄膜強誘電体メムキャパシタのモデル化と評価2024

    • Author(s)
      浦田涼雅, 篠田太陽, 木村睦, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2023 Research-status Report
  • [Presentation] 誤り検出と冗長救済によるメモリスタ超次元コンピューティング推論アクセラレータの長寿命化2023

    • Author(s)
      岩崎哲朗, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2023 Research-status Report
  • [Presentation] 転移学習を用いた自己符号化器による逐次見逃し故障 LSI 検出2023

    • Author(s)
      高谷彩乃, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2023 Research-status Report
  • [Presentation] 機械学習に基づく薄膜メムキャパシタのモデル化に関する一考察2023

    • Author(s)
      浦田涼雅, 木村睦, 新谷道広
    • Organizer
      情報処理学会 SLDM研究発表会 (SLDM WIP Forum 2023)
    • Related Report
      2023 Research-status Report
  • [Presentation] ガウス過程回帰に基づくLSI テストにおける適応的良品判定基準決定手法2023

    • Author(s)
      五枝大典, 中村友紀, 梶山賀生, 栄木誠, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2022 Research-status Report
  • [Presentation] ガウス過程を用いた機械学習に基づくメモリスタモデリングの高速化2023

    • Author(s)
      新谷悠太, 井上美智子, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2022 Research-status Report
  • [Presentation] 低消費電力デバイスのためのプログラマブルな二値超次元計算アクセラレータ2023

    • Author(s)
      井阪友哉, 坂口生有, 井上美智子, 新谷道広
    • Organizer
      電子情報通信学会技術研究報告 (VLSI設計技術研究会)
    • Related Report
      2022 Research-status Report
  • [Presentation] Wafer-Level Characteristic Variation Modeling Considering Systematic Discontinuous Effects2023

    • Author(s)
      Takuma Nagao, Tomoki Nakamura, Masuo Kajiyama, Makoto Eiki, Michiko Inoue, and Michihiro Shintani
    • Organizer
      Proc. of IEEE/ACM Asia and South Pacific Design Automation Conference (ASP-DAC)
    • Related Report
      2022 Research-status Report
    • Int'l Joint Research
  • [Presentation] ガウス過程を用いたウェハーレベル特性モデル化手法のカーネル関数選択に関する実験的検討2022

    • Author(s)
      廣江達也, ミアリアーズウルハック, 新谷道広
    • Organizer
      電子情報通信学会ソサエティ大会
    • Related Report
      2022 Research-status Report
  • [Presentation] Accurate Failure Rate Prediction Based on Gaussian Process Using WAT Data2022

    • Author(s)
      Makoto Eiki, Tomoki Nakamura, Masuo Kajiyama, Michiko Inoue, and Michihiro Shintani
    • Organizer
      Proc. of IEEE International Test Conference (ITC)
    • Related Report
      2022 Research-status Report
    • Int'l Joint Research

URL: 

Published: 2022-04-19   Modified: 2024-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi