| 研究課題/領域番号 |
12838009
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
複合集積システム
|
|---|
| 研究機関 | 広島大学 |
|---|
研究代表者 |
H・J Mattausch 広島大学, ナノデバイス研究センター, 教授 (20291487)
|
|---|
| 研究分担者 |
岩田 穆 広島大学, 大学院・先端物質科学研究科, 教授 (30263734)
小出 哲士 広島大学, ナノデバイス研究センター, 助教授 (30243596)
|
|---|
| 研究期間 (年度) |
2000 – 2001
|
| キーワード | 連想メモリ / ハミング距離 / マンハッタン距離 / CMOS技術 / 認識 / 学習 |
|---|
| 研究概要 |
本研究計画の目的はCMOS技術により短時間で最小距離検索を行い、かつ小面積である連想メモリの新しいアーキテキチャを集積化することである。取り扱う距離指標はハミング距離、マンハッタン距離とした。
我々の研究成果の要点は全並列動作での検索機能を実現し、この回路面積の増加の割合は参照パターンの数に対して比例している。この方法で各bitが等価な768bitからなる128個の参照パターンから最距離を検索100ns未満で実現した。これは約1TOPS(Tera Operating Per Second)の処理能力に匹敵し、消費電力は参照パターンあたり、約1-2mWの低消費電力と高い性能が得られた。占有面積は0.6μmCMOS技術でさえも10mm^2以下である。
ハミング距離検索を行うには、入力パターンと記憶されている参照パターンをそれぞれビット比較するEXOR機能を実現するためのたった2つのトランジスタの追加するだけでよい。さらに複雑なマンハッタン距離検索を実現するには2つの方法が選択できる。1つ目はハミング距離検索のハードウェアを利用し、符号化のアルゴリズムによりマンハッタン距離検索を実現する方法である。2つ目は必要な引き算と絶対値の回路をバイナリの参照パターンに対し、メモリ領域内に直接つける方法である
本プロジェクトの達成した研究結果は、認識及び学習能力を有する知識ベースの高度なシステムを実現するための新たな可能性を開き、またその高度なシステムはニューラルネットワークよりも優れている可能性がある。なぜなら、これには記憶させるパターンの型に制限が無く、新しいパターンを学習するのも、簡単な書き込み作業によって実現できるからである。
|
