| 研究課題/領域番号 |
21H03506
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61040:ソフトコンピューティング関連
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
浅井 哲也 北海道大学, 情報科学研究院, 教授 (00312380)
|
|---|
| 研究分担者 |
赤井 恵 北海道大学, 情報科学研究院, 教授 (50437373)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)
2023年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
2022年度: 6,110千円 (直接経費: 4,700千円、間接経費: 1,410千円)
2021年度: 5,590千円 (直接経費: 4,300千円、間接経費: 1,290千円)
|
|---|
| キーワード | メモリスタ / 導電性ポリマーネットワーク / ニューラルネットワーク / 3次元ネットワーク / 三次元配線 / 人工知能 / PEDOT:PSS / 導電性ポリマー / 人工知能デバイス / ハードウェア / シミュレーション |
|---|
| 研究開始時の研究の概要 |
脳のシナプス機能の一部を模擬する不揮発デバイスを大量に局所相互結合させた「メモリスタの連続体」を学習により構造化すると、相互作用のないメモリアレイ構造や小規模回路では発現し得ない複雑現象・生体様現象が発現する。この生体様デバイスと現代の計算機科学（人工知能技術）が協働する脳型デバイスとしてのメモリスタのあるべき姿・構造はどのようなものか？ この点が本研究課題の核心をなす学術的な問いである。本研究の目的は、生体様視点から独自に生み出された「メモリスタ連続体」の学理構築および人工知能技術との協働技術の構築であり、物性・材料・デバイス主導による新たな脳型デバイス研究の学理を創造するものである。
|
| 研究実績の概要 |
マテリアル知能の実現に向けた従来のアプローチにおける大きな課題として，(1)必要な材料及びデバイスを予め作り込んでおく必要があること，(2)その応用がANNの物理実装という工学的な枠組みに留まっていること，の2点が挙げられる．これを踏まえ本研究では，外部刺激を通じてその場形成可能な導電性ポリマーネットワークに着目し，発達過程における脳神経系の形態に学んだ3次元ネットワークのその場成長・学習を実験的に試みた
脳の形態に学ぶアプローチとして，脳の発達過程においてみられる軸索誘導と呼ばれる脳神経ネットワークの形成過程に着目し，モノマー前駆体溶液中での電解重合成長により得られる導電性ポリマー細線の電極間配線を用いて，これに学んだ脳神経様ネットワークのその場形成を実験的に実現できないか検討した．その足掛かりとしてまず，マイクロ電極ギャップ間への1次元的なポリマー細線の液中配線を用いた電極間抵抗制御によるシナプス機能模倣を試みた．細線の配線本数や径，導電性といった物理化学的変化を外部電圧制御によって誘起し，長期増強及び短期可塑性といったシナプス機能を電極間抵抗変化により模倣し得ることを示した．
続いて，脳内で無数の神経細胞が織りなす階層的な3次元近傍結合構造に学び，導電性ポリマー細線の複数電極間高次元配線を試みた．2次元平面及び3次元立体空間上へ複数の電極を液中配置し，これらへ印加する重合電圧を制御することで所望の電極間へのみ選択的に細線を配線する技術を初めて確立した．これにより，情報処理に必要なネットワークを軸索誘導のごとく一からその場形成し得ることを示した．また，ネットワーク形成後の電極へ外部電圧を印加することでゲート効果による細線の導電性変化が誘起され，電圧スパイク印加に伴う側抑制的な抵抗変化やリザバー計算等に利用可能な非線形応答が観測された
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
