| 研究課題/領域番号 |
21K17818
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 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 | 東北大学 |
|---|
研究代表者 |
守谷 哲 東北大学, 電気通信研究所, 特任助教 (10898117)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021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 | 神経回路モデル / STDP / 脳型計算 / スパイキングニューラルネットワーク / 脳型コンピュータ / 学習 / アナログ回路 / ニューラルネットワーク / 時系列情報処理 / 脳型ハードウェア / リザバー計算 |
|---|
| 研究開始時の研究の概要 |
本研究は情報処理の更なる低消費電力化の為に，脳神経回路が実現している学習・情報処理をモデル化し，そのハードウェア実装を目的とする．各神経細胞が関知可能な電気的・化学的シグナル，すなわち局所情報から学習を進める神経情報処理モデルを構築し，そのアルゴリズムを実行する専用のアーキテクチャを開発・ハードウェア上に実装することで，低消費電力性に加えて耐障害性や可拡張性を兼ね備えたシステムの構築を目指す．
|
| 研究成果の概要 |
本研究では、神経細胞が生じるスパイク信号などの局所情報から効率的に学習を進める神経情報処理モデルを構築し、音声信号処理に適用した際の性能評価を行った。報酬信号を考慮することで、スパイク信号の時間差のみから学習を行った場合よりも性能が向上することを示した。さらに、スパイク信号の時間差から重みの更新を行う専用回路を設計し、ソフトウェア的に実装した場合と比較して消費電力や面積を削減できることを示した。
|
| 研究成果の学術的意義や社会的意義 |
深層学習を始めとする従来の神経情報処理モデルでは、ネットワーク全体の活動を中央集権的に監視・統合し学習が成されることが大半であり、その結果計算コストが高く、多くの電力を消費する課題があった。本研究で提案したモデルは、神経細胞が生じる局所情報から学習を進められるうえ、専用回路により効率的に計算できるものであり、低消費電力の脳型デバイスの実現に貢献する。本成果は、神経情報処理の更なる普及や、現行の神経情報処理の応用の枠を越えた分野への応用に資するものである。
|
