| 研究課題/領域番号 |
21K04186
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 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 | 大阪工業大学 |
|---|
研究代表者 |
鎌倉 良成 大阪工業大学, 情報科学部, 教授 (70294022)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022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)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
|
|---|
| キーワード | ReRAM / モンテカルロシミュレーション / 回路シミュレーション / ニューロモルフィック / 抵抗変化型メモリ / ニューラルネットワーク / コンパクトモデル / シミュレーション |
|---|
| 研究開始時の研究の概要 |
超低消費電力AIの実現に向け期待されている、抵抗変化型メモリ(ReRAM)を用いた回路の挙動を正確に予測するための数理モデルを開発する。アナログメモリとしての特性再現、特にReRAMの動作機構が本質的に内在する「ゆらぎ」の統計性を正確に反映することを目指す。さらに簡単な回路動作実験を行い提案モデルとの比較を行うことで、ReRAMの特性ゆらぎが脳型コンピューティングに与える影響について考察する。
|
| 研究実績の概要 |
本研究では、抵抗変化型メモリ（ReRAM）の回路シミュレーション用コンパクトモデルを開発する。ニューロモルフィックコンピューティングにReRAMを活用する際に要求されるアナログメモリとしての特性再現を主要な目的とし、ReRAMの動作機構が本質的に内在する「ゆらぎ」の統計性を正確に反映することを目指す。
研究手法として、(1) ReRAM内部に形成される導電性フィラメントの挙動を原子論的に模擬することができるKinetic Monte Carlo (KMC)法を基にしたシミュレーション解析、および(2) ReRAM素子の電気的振る舞いを長期にわたり実測する時系列分析、を２つの柱とし、時間的(Cycle-to-Cycle)あるいは空間的(Device-to-Device)な特性ゆらぎの特徴抽出、機構理解、モデリングにつなげる計画である。
2022年度は、ReRAM電気特性のスイッチングサイクル毎の変動を多数回にわたり測定し、取得したデータを解析することで素子内部状態を特徴づける諸量の時間的な振る舞いを調べた。測定結果を電子回路シミュレーション用SPICEモデルにフィッティングして求めた各パラメータの値は、近接サイクル間ではランダムに動いたが、長期的な範囲では平均値が徐々に変化するものもあった。実験データの解析結果を基に、ReRAM内部状態とサイクル変動特性の関連について、特に素子内部の導電性フィラメント近傍の原子状態の変化に起因した振る舞いとの関係に注目し、KMCシミュレーションとの比較も交えながら、考察を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
昨年度に構築したReRAM電気特性の測定系を使用して、ReRAM電気特性の時間変化を計測し、モデリング用の時系列データを取得した。さらに、得られたデータをReRAM 用SPICEモデルに合わせ込み，フィッティングを通じて決定したパラメータ値の変動を調べた。当初合わせ込みは手動で行っていたのだが、データ量が大きいことから、コンピュータによる半自動合わせ込みの方法を確立することで解析作業の効率化を図った。計画に掲げた、ReRAM素子の電気的振る舞いを長期にわたり実測する時系列分析を進めるための方法論が整い、モデリング作業を開始することができた。
|
| 今後の研究の推進方策 |
これまでに取得・分析した時系列データのゆらぎの特徴を機械学習の手法を用いて学習し、その振る舞いを予測することができるモデルを構築する。具体的には、RNNやTransformerなどの最新のAI手法を活用することを念頭に、ReRAM素子の時間的(Cycle-to-Cycle)特性ゆらぎの特徴抽出、機構理解、モデリングを行う。
|
