研究課題/領域番号 |
22K12174
|
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61030:知能情報学関連
|
研究機関 | 早稲田大学 |
研究代表者 |
長谷川 剛 早稲田大学, 理工学術院, 教授 (50354345)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
キーワード | 深層学習 / 抵抗変化素子 / エラー / 学習効率 / ハードウエア / 減衰 / シナプス素子 / 時定数 / 減衰動作 |
研究開始時の研究の概要 |
現在、人工知能システムのハードウエア化が進められている。そこでは、ハードウエアはソフトウエア上の動作の忠実な再現が求められている。しかし、シナプス素子として開発が進む抵抗変化素子には、電圧印加後に抵抗変化(減衰動作)を示すものがある。本研究では、ソフトウエア上の動作を忠実に再現する上では不都合な減衰動作が反って有効となる場合があること、並びに、その条件を明らかにする研究を理論および実験の両面から進める。
|
研究実績の概要 |
現在、脳型情報処理に適した素子開発に基づく人工知能システムのハードウエア化が進められている。そこでは、ハードウエアはソフトウエアで実行されていた計算モデル通りに動作することが求められているが、シナプス素子として開発が進む抵抗変化素子は電圧印加後に抵抗変化(減衰)を示すなど、その要求を満たせていないものがある。しかし、人間の脳には、短期記憶や長期記憶に基づく学習動作など、ソフトウエアには未だ十分に組み込まれていない機能もある。本研究では、ソフトウエア上の動作を忠実に再現する上では不都合な減衰動作が情報処理に与える影響を明らかにし、さらには有効活用できる場を探索することを目的としている。 2022年度は、抵抗減衰が既存の計算モデルに与える影響を理論および実験の両面から明らかにした。具体的には、誤差逆伝搬における抵抗値制御の際に意図的にエラーを導入し、学習の進み方や最終的な正答率に変化が現れるかを調べた。その結果、理想的な抵抗値からのズレが数%であれば、学習効率や最終的な正答率に悪い影響は現れないことが分かった。実際に素子を用いた実験でも、理想的な抵抗値からのずれは数%以内であることが確認できた。また、10%以上のズレを生じる素子があっても、その割合が少なければ学習に影響を与えないことも、シミュレーションおよび実験から明らかにすることが出来た。これらに加えて、2023年度以降の実験に向けた素子作製プロセスの開発も進めた。以上の成果を2本の論文に纏めて成果報告を行った。
|
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
実験的に調べた抵抗変化の際に起こるエラー率であれば、深層学習における学習効率や最終的な正答率に悪影響が出ないことを実験およびシミュレーションから明らかにすることが出来た。これにより、2つある本研究の大きな目標のひとつをクリア出来たことになる。この結果は、もうひとつの目標である電圧印加後の抵抗変化(減衰)が反って学習効率を高めることがあることの実証にも繋がる成果であり、研究は概ね順調に進んでいると判断する。
|
今後の研究の推進方策 |
当初の計画通りに初年度の研究が進展したことから、2年目以降も、当初の計画通りに研究を進めていく。具体的には、初年度に確認できた事項を、素子数を増やした深層学習システムを用いてその普遍性を確認する。併せて、自律的な抵抗変化(減衰)がノイズ成分を効率的に除去できるか否かを実験・理論の両面から明らかにしていく。
|