2023 Fiscal Year Final Research Report

Real Neuromorphic Systems using Single Analog Devices and Local Learning Rules

Research Project

PDF

Project/Area Number	19K11876
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 60040:Computer system-related
Research Institution	Nara Institute of Science and Technology
Principal Investigator	Kimura Mutsumi 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)
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) ZHANG Renyuan 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (00709131) 松田時宜龍谷大学, 理工学部, 助教 (30389209) 羽賀健一北陸先端科学技術大学院大学, シングルナノイノベーティブデバイス研究拠点, 研究員 (40751920) 徳光永輔北陸先端科学技術大学院大学, 先端科学技術研究科, 教授 (10197882)
Project Period (FY)	2019-04-01 – 2024-03-31
Keywords	ニューロモーフィックシステム / 単一アナログデバイス / アモルファス金属酸化物半導体 / 局所的学習則 / 人工知能 / コンパクト / 低消費電力
Outline of Final Research Achievements	Artificial intelligence is critical technologies for future societies, but it is conventionally implemented by high-performance hardware and complex software, and the huge size and power consumption are problematic. Neuromorphic systems are brain mimicking and expected to be compact and low power, but they require further research. Therefore, we have been studying ultra-compact, low-power real systems and obtained satisfactory research results. (1) Architecture: Single analog synaptic element (resistance change element, memristor, ferroelectric capacitor). Compact size and low power consumption are realized without information reduction by shifting from digital circuits. (2) Material: Amorphous metal oxide semiconductor. 3D integrated systems with features of simple structure, easy manufacturing, and stacking capability. (3) Algorithm: Modified Hebbian learning for local learning rule. Compact size and low power consumption are realized by reducing control circuits.
Free Research Field	ニューロモーフィックシステム
Academic Significance and Societal Importance of the Research Achievements	本研究で、新アーキテクチャ・マテリアル・アルゴリズムを取り入れた中規模ニューロモーフィックシステムを様々なニューラルネット構成で構築し、連想記憶・画像認識・最適化問題などの正常動作をモデリング・論理・回路シミュレーションにより評価し、さらに実機も開発し確認する。また、大規模ニューロモーフィックシステムの動作をシミュレーションで確認し、最終目標の実用的かつ人間の脳と同様な超小型・低パワーの汎用人工知能の実現にむけた可能性も検討する。学術的意義は、アーキテクチャ・マテリアル・アルゴリズムの3つの新アイデアによる総合的・融合的な革新的コンピューティング技術の実現で、社会的意義は小型・低電力化である。