A Study on Minimum Euclidean Distance Search Associative Memory Utilizing Neuron MOSFET

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K14795
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 21060:Electron device and electronic equipment-related
• Research Institution: Kurume National College of Technology
• Principal Investigator: Harada Yujiro 久留米工業高等専門学校, 電気電子工学科, 助教 (80849282)
• Project Period (FY): 2020-04-01 – 2023-03-31
• Keywords: 連想メモリ / ユークリッド距離 / 集積回路 / ニューロンMOSFET

Outline of Final Research Achievements

In order to construct a minimum Euclidean distance search associative memory, we proposed a Euclidean distance detection circuit that detects the Euclidean distance between two sets of data. Next, we proposed a minimum Euclidean distance search circuit that retrieves the data with the smallest Euclidean distance among multiple data. We also designed a minimum Euclidean distance search associative memory that search the most similar data using Euclidean distance as an index by incorporating these circuits into an associative memory. Furthermore, through simulations, we confirmed that expected results of the proposed circuit can be obtained. The minimum Euclidean distance search associative memory realized in this study has a simple circuit configuration and performs at high-speed in fully parallel.

Free Research Field

集積回路工学

Academic Significance and Societal Importance of the Research Achievements

現在、AIやIoTの技術は加速度的に進歩している。そこで、収集した膨大なデータをリアルタイムで処理するストリームデータ処理の必要性が高まってきている。本研究では、ソフトウェアではなくハードウェアからのアプローチとして、大量のデータから入力データに最も類似するデータ並列かつ高速に検索する最小ユークリッド距離検索連想メモリを提案した。提案する連想メモリが実用化することで、膨大なデータをリアルタイムで解析し、その結果をフィードバックすることで価値を生み出すSociety 5.0の実現に貢献できると考えている。