2023 Fiscal Year Research-status Report
不揮発性半導体メモリを駆使する脳型コンピューティングの研究
| Project/Area Number |
22K14297
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
松井 千尋 東京大学, 大学院工学系研究科(工学部), 特任准教授 (80823484)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 脳型コンピューティング / 不揮発性半導体メモリ |
|---|
| Outline of Annual Research Achievements |
Hyperdimensional Computingを演算するComputation-in-Memoryの不揮発性半導体メモリにエラーが生じることを仮定し、Hyperdimensional Computingの演算のエラー耐性を検証した。Hyperdimensional Computingの学習・推論アルゴリズムでは10000次元のハイパーベクトルを用い、Item Memoryは学習前のランダムに生成されたハイパーベクトルを保存し、Associative Memoryは学習後のハイパーベクトルを保存し推論時に類似度を計算する。ハイパーベクトルの要素が0/1のバイナリであるとして、不揮発性半導体メモリにさまざまな種類のエラーが生じると仮定して評価を行った。その結果、Item Memoryと比較してAssociative Memoryは高いエラー耐性を示し、学習済みのハイパーベクトルが高いエラー耐性を持つことを明らかにした。さらに、学習時にItem Memoryを読み出すことでリードディスターブエラーが生じる場合、Item Memoryのハイパーベクトルに徐々にエラーが蓄積するために推論精度が低下することを明らかにし、エラーの蓄積を低減し推論精度を向上する学習手法を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
Computation-in-Memoryを用いてHyperdimensional Computingを演算する場合に、不揮発性半導体メモリによってItem MemoryおよびAssociative Memoryにエラーが発生することを想定して評価し、Hyperdimensional Computing演算のエラー耐性を明らかにした。これにより、Hyperdimensional Computingを演算するComputation-in-Memoryシステムに要求されるエラーの度合いを明らかにした。
|
| Strategy for Future Research Activity |
これまでに明らかにしたHyperdimensional Computingを演算するComputation-in-Memoryシステムに要求されるエラーの度合いをもとに、リードディスターブエラーやデータリテンションエラーや容量などの不揮発性半導体メモリの特性を考慮して、複数種類の不揮発性半導体メモリを用いたComputation-in-Memoryシステムを検討する。
|
| Causes of Carryover |
さまざまな種類の不揮発性半導体メモリに生じるエラーを評価し、これまでに提案したFeFET以外の不揮発性半導体メモリを用いたComputation-in-Memoryを検討する。
|
