2022 Fiscal Year Annual Research Report
ハードソフト連携・精緻な電子制御による不揮発性メモリシステムのエラー最小化の研究
| Project/Area Number |
20H04159
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
竹内 健 東京大学, 大学院工学系研究科(工学部), 教授 (80463892)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Keywords | ナノメモリデバイス / Summing Network / AI |
|---|
| Outline of Annual Research Achievements |
本研究では、ナノスケールの大容量不揮発性メモリに対し、隣接メモリ間の電子の移動・電荷蓄積層からチャネルへの電子のリーク・メモリサイズの製造ばらつきなど、不揮発性メモリの本質的な課題であるメモリのエラーを、機械学習や新コーディングを用いた精緻な制御で抑制する。メモリデバイス・メモリコントローラのハード・ソフト全体を不揮発性メモリに向けて連携・融合させることで、メモリのエラーを極限まで減らし、データ保持等の寿命を最大限に高める。機械学習による制御を更に発展させ、不揮発性メモリをフルに活用した高速・低電力・高信頼な機械学習の処理・記憶システムを創造する。本年度は当初の想定に反し、当初の想定に反し、ナノスケールメモリの電子注入時の量子力学的なゆらぎをS
umming Networkに適用することで、超低電力なAI計算を実現できる可能性を発見し、特性を詳細に検討を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
当初の想定に反し、ナノスケールメモリの電子注入時の量子力学的なゆらぎをSumming Networkに適用することで、超低電力なAI計算を実現できる可能性を発見し、特性を詳細に検討を行った。当初の予定にない新たな知見を活用することで、研究を加速することに成功し、当初予定した内容も十分な成果を挙げつつ、全体としては当初の想定以上の成果を出している。
|
| Strategy for Future Research Activity |
前年度、当初の想定に反し、ナノスケールメモリの電子注入時の量子力学的なゆらぎをSumming Networkに適用することで、超低電力なAI計算を実現できる可能性を発見した。本年度はSumming Networkを詳細に評価したうえで、単体のナノスケールデバイスとしてのみならず、ナノスケールメモリデバイスを大規模集積化し、量子ゆらぎを活用できるコンピューティングを検討する。
|
