2015 Fiscal Year Research-status Report
| Project/Area Number |
15K06030
|
|---|
| Research Institution | Sophia University |
|---|
Principal Investigator |
和保 孝夫 上智大学, 理工学部, 教授 (90317511)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | A/D変換器 / ニューラルネットワーク / ダイナミック回路 / CMOS回路 |
|---|
| Outline of Annual Research Achievements |
ニューロA/D 変換方式：粘菌コンピューティングを模したニューラルネットワーク型A/D変換器を構成し、回路シミュレーションにより動作を解析した。各ニューロンの出力が最下位ビットから最上位ビットに対応するように回路を構成した。その結果、ある特定の出力コードで回路動作が不安定になることがあり、その原因が、特定のニューロンへの電流集中にあることが分かった。そこでダミーニューロンを追加して、「１」を出力するニューロン数を一定に保つことで、安定した回路動作を実現できた。また、1.7進の重み付けを用いた冗長性を導入することで、重み付け係数が変動しても量子化誤差の増加を抑止できることが分かった。さらに出力にm-out-of-n符号化を用いることで，回路規模は変えずに高分解能化できることを確認した。
冗長非2 進アルゴリズム：冗長非2 進アルゴリズムの積極的な活用を図るため、ニューロンとして従来から用いられてきた単純な量子化器をΔΣ変調器に置き換えたA/D変換器を考案した。ΔΣ変調器の出力はランダムにしかも長期的には入力に応じたデジタル値の組を出力するため、従来の固定された2進出力に起因する局所解の問題を解決でき、分解能を飛躍的に改善できる可能性を見いだした。
低消費電力ダイナミック回路：低電源電圧動作可能な能動/受動併用ダイナミック積分器を提案し、それを用いた低消費電力ΔΣ変調器を設計した。180 nm CMOS 技術で試作した回路の性能を評価した結果、電源電圧1.2 Vでの動作を実現し、従来型の約46%に消費電力を削減できることが分かった。1変換レベル当りの消費電力は、近年報告された低消費電力ΔΣ変調器と比較して、低周波数領域で最も優れた低消費電力動作を実現できた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ニューロンにΔΣ変調器を用いたニューロA/D変換器のアイデアは当初は想定していなかったものである。シミュレーションによりその可能性を示せたことは大きな意義があると考える。ΔΣ変調器の活用は、時間領域での冗長性を活用するという点で、従来の冗長非2進とは異なる考え方であり、今後の研究を進める上での重要な基盤が得られたと考えている。
また、回路試作により低消費電力動作が確認できたダイナミック積分器は、これまで電力削減が困難なオペアンプに代わり、様々な回路で利用可能である。特に、これまのニューラルネットにおいて積和演算を行うときにオペアンプが広く用いられていたが、それをダイナミックな回路形式で置き換えることができ、ニューラルネット回路の低消費電力化に見通しが得られたことは大きな前進である。
一方で、多様なニューラルネットの構成手法や動作特性の中から、A/D 変換性能を支配する要因を抽出する点に関しては十分な考察ができず、来期以降の課題として残った。
以上により、上記のように判断した。
|
| Strategy for Future Research Activity |
ΔΣ変調器の出力はパルス状でありニューラルネットワークとの整合性が良いことから、今期に着想を得たΔΣ変調器をニューロンに用いたニューロA/D変換器を中心に据え、信号レベルのシミュレーションを基本として、構成法の検討、従来技術との性能比較に関して研究を加速する。特に、並列性を高めた多ビットΔΣ変調器の構成法を追究する価値があると考える。
ニューロ特有の学習機能をミスマッチ誤差の解消に応用するための基本検討を開始する。従来はA/D変換誤差発生の原因を特定して、それに合った対策を個別に講じていたが、学習機能を活用すれば、原因を特定しなくてもオーバーオールで誤差補正が可能になると期待される。
深層学習やビッグデータの活用など、ニューラルネットに関する研究が再び活性化している。A/D 変換技術への応用という観点から動向を注視し、タイムリィに取り込めるよう情報収集を進める。
|
