| 研究課題/領域番号 |
18K13800
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分21060:電子デバイスおよび電子機器関連
|
|---|
| 研究機関 | 京都大学 (2020)
大阪大学 (2018-2019) |
|---|
研究代表者 |
粟野 皓光 京都大学, 情報学研究科, 准教授 (10799448)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2020年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2019年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2018年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | リザバーコンピューティング / 機械学習 / 低消費電力 / リザーバコンピューティング / 画像分類 / エッジコンピューティング / ブルームフィルタ / オンライン学習 / ゲートレベル時候同期回路 / サブスレッショルド動作 / 深層学習 / 集積回路 / アクセラレータ |
|---|
| 研究成果の概要 |
メモリ内計算に適した機械学習アルゴリズムの開発と、ハードウェア実装を指向した性能評価に取り組んだ。具体的にはセルオートマトンと確率的データ構造の1種であるブルームフィルタを組み合わせた画像分類アルゴリズムを提案した。さらに65nmプロセスを想定した電力シミュレーションにより、既存手法と比較して推論精度を損なうことなく、50%の電力削減が可能であることを明らかにした。
|
| 研究成果の学術的意義や社会的意義 |
深層ニューラルネットワーク（DNN）が画像分類をはじめとして様々な領域で成果を挙げている。しかし、他を圧倒する性能と引き換えに、DNNの学習・推論に要するエネルギは膨大であり、DNNのエッジ応用を妨げる要因となっている。本研究では、リザバー計算に基づく反復法に依存しない機械学習アルゴリズムを提案し、電力削減効果を検証した。脱炭素が叫ばれる現代において、情報システムが消費する電力は膨大であり、その削減が強く求められている。本研究は知的コンピューティングの高効率化に向けて寄与する成果であると言える。
|
