| 研究課題/領域番号 |
22K14298
|
|---|
| 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 |
タン ルイ 東京大学, 大学院工学系研究科(工学部), 特任助教 (30929146)
|
|---|
| 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 |
2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | 光演算 / シリコンフォトニクス / 光ニューラルネットワーク / 光行列演算 / 深層学習 / 光計算 |
|---|
| 研究開始時の研究の概要 |
深層学習の演算性能を向上させるには、高速かつ低消費電力のハードウェアが不可欠である。光の並列性を活用した光ニューラルネットワーク(ONN)チップを用いることで、消費電力を減らしつつ深層学習の主な演算である行列演算を加速できるが、チップ構造上の本質的な制限により、大規模化可能なONNチップはまだ実現されていない。本研究では、光パルスを用いて、エッジ側とサーバー側での深層学習のそれぞれに適したスケーラブルなONNチップを実現し、高速かつ低消費電力の深層学習を実証する。
|
| 研究実績の概要 |
本研究では、高速・低消費電力・スケーラブルな光行列演算回路の実現を目指している。当該年度において、はじめにシリコンマイクロリング共振器(MRR)を用いた新規な光クロスバーアレイ回路を実証した。本回路では、複数の波長を同時に回路に入力し、各MRRの共振波長を制御することで積演算が行われる。同じ導波路内に合波された複数波長の光信号を一つの光検出器で受信することで和演算が行われる。また、逆方向のポートに光を入力すれば逆伝搬が実行されるため、深層学習の推論だけでなく、学習にも応用可能である。Siチップ上に作製した4×4光回路で様々な行列を実行し、いずれも高い忠実度を示した。さらに、Iris花を分類するためのニューラルネットワークを構築し、4×4光回路で行列演算を実行し、93%の高い正解率を達成した。また、擬似のオンチップ光逆伝搬でニューラルネットワークの学習を行い、91%の正解率を達成した。本回路は、深層学習システムの推論と学習の両方を加速できる。
次に、MZIを用いたコヒーレント型光回路のエラー補正アルゴリズムを提案した。従来の光回路にMZIステージを追加し、各位相シフト量をグローバルな最適化アルゴリズムで最適化することで、光回路の動作忠実度を改善できる。Siチップ上に作製された4×4のMZI型光回路を用いて、提案した手法で最適化した結果、動作波長範囲を拡大できることを実証した。本手法は、光行列演算回路のエラー補正に貢献できる。
さらに、単一波長で動作する非コヒーレント型光回路を提案と作製した。本回路は、複数の入力ポートを有する光検出器で和演算を行う。現在は作製した光回路の特性評価を行っている。
|
| 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
単一波長の光行列演算回路と多波長の光行列演算回路を両方実証した上、光行列演算回路のエラー補正手法を提案・実証したため、概ね順調に進展していると言える。
|
| 今後の研究の推進方策 |
今後は、熱光学位相シフタを利用せず、高速と低消費電力の電気光学位相シフタを用いて、大規模の光行列演算回路の実証を目指す。また、複数の入力ポートを有する光検出器の高速動作と大規模化も目指している。
|
