2023 Fiscal Year Final Research Report
Machine Learning Chip for Ultra Small Battery-less Sensing Platform
| Project/Area Number |
22K17879
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Keywords | 機械学習 / Machine Learning / Binarized Neural Network / Digital Circuit / 二値化回路 / デジタル回路 / 信号処理 |
|---|
| Outline of Final Research Achievements |
In this study, I prepared an environment to create a machine-learning model specialized for sensors with a small number of inputs. I also examined non-volatile memory for storing weights in machine-learning circuits targeted energy harvesting. I developed a Binarized Neural Network (BNN) circuit not only on an FPGA but also on a 0.18-μm 1-poly 6-metal standard CMOS process and demonstrated its usefulness in terms of low power consumption. Furthermore, a unique circuit that allows the number of neurons to be changed has made it possible to provide flexible characteristics to machine learning circuits implemented in hardware.
|
| Free Research Field |
デジタル回路、アナログ回路
|
| Academic Significance and Societal Importance of the Research Achievements |
AIや機械学習などの分野は、回路の研究分野にも有用である。画像処理やアクセラレータなどの分野の取り組みが多かったが、本研究はこれまで研究例が少なかった。特にあまり取り組まれていなかった入力数の少ない機械学習モデルからなる分野に着目し、より小型で低消費電力性に優れているBNNの回路をチップ化した。その計測結果からBNNからなる回路の低消費電力性を示すことができた。その他にも新しいモデルも提案することができ、回路分野におけるBNNによる機械学習モデルの有用性を示すことができた。
|
