パルス位相による非線形ダイナミクスを用いた脳型集積システムの研究

2001 Fiscal Year Annual Research Report

• Project/Area Number: 13835005
• Research Institution: Hiroshima University
• Principal Investigator: 森江 隆 広島大学, 大学院・先端物質科学研究科, 助教授 (20294530)
• Co-Investigator(Kenkyū-buntansha): 永田 真 広島大学, 大学院・先端物質科学研究科, 助手 (40274138) ; 岩田 穆 広島大学, 大学院・先端物質科学研究科, 教授 (30263734)
• Keywords: スパイキングニューロン / 積分・発火型ニューロン / グローバル抑制ニューロン / パルス幅変調方式 / ホップフィールドネットワーク

Research Abstract

1.パルスタイミングを用いる脳型情報処理回路のためのアルゴリズムの開発
スパイキングニューロンモデル(積分・発火型)を,フィードバック型ネットワークに適用し,パルスタイミング処理による高速化を実現した。この処理の基本思想は「重要な信号が時間的に早く到着することを利用して,重要な結果を早く得る」ことにある。この場合の最大の問題は,先に発火した信号がフィードバックしてきたものと,遅く発火した信号の区別がつかないという点である。そこでこれを,ランプ型抑制を行うグローバルニューロンと,発火によりその影響をリセットする機構を導入することで解決した。まず,最初にニューロンが発火するとグローバル抑制ニューロンが一定時間発火し,すべてのニューロンに時間的に増加するランプ型抑制を加える。この結果,早い時期に入力パルスを受け取ったニューロンほど抑制が小さいので発火しやすくなる。すなわち,早い信号ほど発火への寄与度を高くできる。さらに,発火によりそのニューロンに及ぼしている抑制効果をリセットすることにより,フォードバック信号によって発火し続けることができるようにした。
2.パルス変調方式脳型情報処理回路の設計・試作・評価
パルス幅変調方式のニューラルネットワーク回路を設計・試作し,キャパシタ型のシナプス荷重回路などの正常動作を確認した。また,パルスタイミングモデルに基づく集積回路を設計し,回路シミュレータ(HSPICE)により,モデルの検証を行った。ホップフィールド型ネットワーク(20ニューロン)での連想記憶において,同期型のパルス幅変調方式と比較したところ,パルスタイミング方式が約20倍高速であることを確認した。
また,積分発火型ニューロンを構成する単電子回路を考案した。

Research Products

• [Publications] T.Morie: "A multi-nanodot floating-gate MOSFET circuit for spiking neuron models"The 2002 Silicon Nanoelectronics Workshop. (発表予定). (2002)
• [Publications] A.Iwata: "Bio-Inspired VLSIs Based on Analog/Digital Merged Technologies"Extended Abstracts of the 2001 Int. Conf. Solid State Devices and Materials. 88-89 (2001)