| 研究課題/領域番号 |
21H04887
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
河野 崇 東京大学, 生産技術研究所, 教授 (90447350)
|
|---|
| 研究分担者 |
小林 正治 東京大学, 大学院工学系研究科(工学部), 准教授 (40740147)
|
|---|
| 研究期間 (年度) |
2021-04-05 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
42,250千円 (直接経費: 32,500千円、間接経費: 9,750千円)
2023年度: 13,780千円 (直接経費: 10,600千円、間接経費: 3,180千円)
2022年度: 13,650千円 (直接経費: 10,500千円、間接経費: 3,150千円)
2021年度: 14,820千円 (直接経費: 11,400千円、間接経費: 3,420千円)
|
|---|
| キーワード | ニューロモルフィックハードウェア / 神経模倣システム / 低電力アナログ集積回路 / 教師なし学習 / 超低電力アナログ回路 / 神経模倣回路 / 神経模倣情報処理 / 超低消費電力アナログ回路 / 不揮発性メモリデバイス / シリコン神経ネットワーク / ニューロモルフィック回路 |
|---|
| 研究開始時の研究の概要 |
脳からより多くを学ぶことで脳により近い情報処理の実現を目指すニューロモルフィックハードウェアにおける重要課題（超低電力アナログ集積回路実装技術と、より脳に近い情報処理モデル）を融合的に研究する。これによって、現行の人工知能(AI)の限界を超え、ヒトの脳のように自発的で複雑な処理を超低電力で行う次世代AIのための、CMOS/FeFET混在アナログシリコン神経ネットワーク基盤技術を進展させる。
|
| 研究成果の概要 |
脳神経ネットワークに迫るエネルギー効率を実現可能なニューロモルフィックハードウェア基盤技術確立を視野に入れ、脳神経ネットワークの情報処理からより多くを学ぶことで、ニューロモルフィックハードウェアの電力効率を高めるための基礎技術を開発した。特に、超低電力なニューロン回路とそれを用いて実行可能な情報処理モデルとの開発にフォーカスし、神経活動のダイナミクスに着目することで２００ｐＷ程度の消費電力で動作する神経細胞体回路、及び、効率的に電子回路実装可能な、ノイズを考慮した教師なし学習モデルとを開発した。
|
| 研究成果の学術的意義や社会的意義 |
ニューロモルフィックハードウェアは、神経スパイクと呼ばれるパルス状の電気活動が脳神経ネットワークの情報処理の重要な要素であることから着想された、パルスを用いて情報をコーディングする超並列ハードウェアであり、人工知能（ＡＩ）と同等の情報処理を低電力で実行できるハードウェア基盤として注目されている。本研究では、より脳神経系から学ぶことで、脳神経ネットワークに近いエネルギー効率で動作するニューロモルフィックハードウェアの基礎技術を開発した。本技術は、現行のニューロモルフィックハードウェアよりエネルギー効率が3桁程度高い新しいニューロモルフィックハードウェアの基盤技術となりうる。
|
