2021 Fiscal Year Annual Research Report
Fundamentals and developments of brainmorphic computing hardware
Project/Area Number |
20H00596
|
Research Institution | Tohoku University |
Principal Investigator |
堀尾 喜彦 東北大学, 電気通信研究所, 教授 (60199544)
|
Co-Investigator(Kenkyū-buntansha) |
池口 徹 東京理科大学, 工学部情報工学科, 教授 (30222863)
加藤 秀行 大分大学, 理工学部, 講師 (00733510)
香取 勇一 公立はこだて未来大学, システム情報科学部, 教授 (20557607)
佐藤 茂雄 東北大学, 電気通信研究所, 教授 (10282013)
島田 裕 埼玉大学, 理工学研究科, 助教 (50734414)
鈴木 秀幸 大阪大学, 情報科学研究科, 教授 (60334257)
深見 俊輔 東北大学, 電気通信研究所, 教授 (60704492)
藤原 寛太郎 東京大学, ニューロインテリジェンス国際研究機構, 特任准教授 (00557704)
|
Project Period (FY) |
2020-04-01 – 2025-03-31
|
Keywords | ブレインモルフィック / 脳型計算 / 脳型情報処理 / ニューロモルフィック / 脳型ハードウェア / 非線形複雑系 / 高次元ダイナミクス / リザバー計算 |
Outline of Annual Research Achievements |
1.脳型デバイス・回路基盤の構築:スピントロニクス人工ニューロン・シナプスの材料・素子研究を行うとともに、その数理モデルを検討した。材料・素子研究については、3端子MTJ素子の基礎検討を行い、低消費電力化の知見を得た。数理モデルについては、リーク付き積分特性やスパイクタイミング依存可塑性の実験結果を概ね再現した。また、ニューロン素子に発火機構を付加するため、自励発振機能を有する共鳴トンネルダイオード(RTD)の製作プロセスの確立に向けてプラズマCVD等の条件出しを行った。さらに、CMOS回路との融合のため、基本となるニューロンCMOS回路の設計・試作・評価を行った。 2.脳型基本アーキテクチャの構築:非線形力学的解析手法により、ニューロンモデルの非周期的な応答の解析を可能とした。また、点過程を含む時系列解析手法としてアトラクタ再構成法を検討した。さらに、昨年度構築したスパイキング神経回路網モデルを解析し、神経雪崩現象を確認した。加えて、振動子系の同期・非同期現象や神経伝達物質が脳波リズムに与える影響について調査し、脳神経系の発達と学習の数理モデルを構築した。リザバーニューラルネットワーク(RNN)については、時間遅れRNNから導かれるフィッシャー情報行列の最大固有値に対応する固有ベクトルに基づく入力マスクにより、ノイズ耐性が向上することを示した。一方、応用に関しては、RNN強化学習によるロボット制御のためのモデルを構築した。また、短期シナプス可塑性によりRNNのダイナミクスを拡張し、行動計画タスクの性能を改善した。 3.脳型基本システム試作:1.のデバイスを応用し、2.で提案するアーキテクチャを集積回路として実装するための基本的な準備として、1.で述べたスピントロニクス素子とRTD素子およびCMOS回路を融合させるための基本的な枠組みについて検討した。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
脳型デバイス・回路基盤の構築においては、デバイスの動作に関する数理モデルの構築が順調に進展し、またデバイスの性能を決める物理的な機構についても明らかになりつつある。さらに、ニューロンの発火機構を実現するためのRTDデバイス製作に必要ないくつかの実験条件の洗い出しに成功した。また、RTDデバイスを含まない基本ニューロンCMOS回路の基本動作を実験的に確認できた。これらの成果から、スピントロニクス素子を基本とする脳型デバイス基盤の構築に関しては順調に進んでいる。 脳型基本アーキテクチャの構築に関しては、特に神経雪崩現象の解析を通し、現象を良く再現できる数理モデルの構築に成功した。さらに、脳神経系の発達と学習の数理モデル構築の過程では、同期・非同期の理論解析や他臓器細胞への応用研究に関する成果を得ている。一方、リザバーニューラルネットワークに関しては、リザバー強化学習モデルの有効性を短期記憶が要求されるPOMPDタスクで確認すると共に、報酬修飾型リザバーと予測符号化を組み合わせたモデルを提案し、筋骨格ロボットの制御に有効であることを示した。また、時間遅れリザバーのノイズ耐性を向上させる手法を提案し、リザバー計算のハードウェア実装を想定した数理モデル研究が進展している。 脳型基本システムの試作については、世界的な半導体不足の影響を受けてLSI試作に遅延が生じたが、スピントロニクス素子とRTD素子およびCMOS回路を融合させるための基本的な枠組みについての検討が進展した。 以上より、本研究は概ね順調に進展している。
|
Strategy for Future Research Activity |
脳型デバイス・回路基盤の構築においては、3端子アナログ(シナプス)素子、バイナリ(ニューロン)素子を実現し、その基本動作特性を測定する。また前年度までに構築した数理モデルを発展させ、ニューラルネットワークおよび回路システムのシミュレーションを行う。また、発火機能を付加するRTDデバイスの試作を進め、負性抵抗特性と発火特性を確認する。その上で、CMOSニューロン回路と接続し、自励発振機能を有するニューロン回路の動作を検証する。 脳型基本アーキテクチャの構築に関して、これまで構築したスパイキング神経回路網モデルを、低い発火率で動作する実際の皮質細胞の挙動が忠実に再現できるように改良する。リザバーニューラルネットワークについては、報酬修飾型リザバーと予測符号化を組み合わせたモデルについて、モデルの応用の範囲を拡張する。さらに、時間遅れ学習やネットワークの階層化により、より広いクラスの問題に応用できるアーキテクチャを探索する。また、ハードウェア実装を想定したリザバーニューラルネットワークの数理モデル研究を加速する。 脳型基本システムの試作については、リザバーニューラルネットワークを核として階層的にシステムを構築することにより、自己や注意などの脳の高次機能を実現するシステムの実装について検討する。また、発火機構を追加したスピントロニクスニューロン素子とシナプス素子を構成要素とした自己組織学習ネットワーク回路システムの設計を行う。
|
Remarks |
鈴木研究室HP http://www-nomo.ist.osaka-u.ac.jp/
|