| 研究課題/領域番号 |
22K14297
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 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 | 東京大学 |
|---|
研究代表者 |
松井 千尋 東京大学, 大学院工学系研究科(工学部), 特任准教授 (80823484)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2023年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 脳型コンピューティング / 不揮発性半導体メモリ / AI |
|---|
| 研究開始時の研究の概要 |
本研究では脳型コンピューティングのための回路システム・不揮発性半導体メモリの学理
を確立する。脳型コンピューティングの一つであるHyperdimensional
Computing（HDC）は脳を模して記憶・学習しロボット等の自律学習・移動を可能にするが、
不揮発性半導体メモリは性能・信頼性・電力等のトレードオフの問題があり、HDC
のためのCiMに必要な回路・不揮発性半導体メモリの要件は明らかになっていない。本研究では不揮発性半導体メモリを駆使した脳型コンピューティングを実現する、HDCのアルゴリズムおよびCiMの回路システム・半導体メモリデバイスを統合した新たな集積回路システム学を創造する。
|
| 研究実績の概要 |
Hyperdimensional Computingを演算するComputation-in-Memoryの不揮発性半導体メモリにエラーが生じることを仮定し、Hyperdimensional Computingの演算のエラー耐性を検証した。Hyperdimensional Computingの学習・推論アルゴリズムでは10000次元のハイパーベクトルを用い、Item Memoryは学習前のランダムに生成されたハイパーベクトルを保存し、Associative Memoryは学習後のハイパーベクトルを保存し推論時に類似度を計算する。ハイパーベクトルの要素が0/1のバイナリであるとして、不揮発性半導体メモリにさまざまな種類のエラーが生じると仮定して評価を行った。その結果、Item Memoryと比較してAssociative Memoryは高いエラー耐性を示し、学習済みのハイパーベクトルが高いエラー耐性を持つことを明らかにした。さらに、学習時にItem Memoryを読み出すことでリードディスターブエラーが生じる場合、Item Memoryのハイパーベクトルに徐々にエラーが蓄積するために推論精度が低下することを明らかにし、エラーの蓄積を低減し推論精度を向上する学習手法を示した。
|
| 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
Computation-in-Memoryを用いてHyperdimensional Computingを演算する場合に、不揮発性半導体メモリによってItem MemoryおよびAssociative Memoryにエラーが発生することを想定して評価し、Hyperdimensional Computing演算のエラー耐性を明らかにした。これにより、Hyperdimensional Computingを演算するComputation-in-Memoryシステムに要求されるエラーの度合いを明らかにした。
|
| 今後の研究の推進方策 |
これまでに明らかにしたHyperdimensional Computingを演算するComputation-in-Memoryシステムに要求されるエラーの度合いをもとに、リードディスターブエラーやデータリテンションエラーや容量などの不揮発性半導体メモリの特性を考慮して、複数種類の不揮発性半導体メモリを用いたComputation-in-Memoryシステムを検討する。
|
