研究課題/領域番号 |
20H02193
|
研究機関 | 東北大学 |
研究代表者 |
木野 久志 東北大学, 医工学研究科, 特任准教授 (10633406)
|
研究分担者 |
田中 徹 東北大学, 医工学研究科, 教授 (40417382)
福島 誉史 東北大学, 工学研究科, 准教授 (10374969)
|
研究期間 (年度) |
2020-04-01 – 2023-03-31
|
キーワード | スパイキングニューラルネットワーク / STDP / トンネルFET |
研究実績の概要 |
本研究ではシナプスの特性を再現した不揮発性トンネルFETメモリによる大規模演算に向けたニューラルネットワークの実現を目指す。近年、脳の階層的情報処理を模したディープニューラルネットワークの活躍は目覚ましいものがある。一方で、神経細胞の発火スパイクの影響まで模したスパイキングニューラルネットワーク(Spiking Neural Network; SNN)には次世代の大規模ニューラルネットワークとして高い関心が寄せられており、様々なメモリデバイスによるシナプスの再現が提案されている。一般に、SNNはシナプスの結合の強さを示す”重み”を保存するメモリ素子とニューロンを模したスパイク生成回路で構成される。本研究ではこれまでのメモリにない特長を有する不揮発性トンネルFETメモリを活用した大規模な超低消費電力ニューラルネットワークを研究開発する。昨年度までにシナプスの特性の一つであるスパイクタイミング依存可塑性(Spike Timing Dependent Plasticity: STDP)をn型の不揮発性トンネルFETメモリにより再現した。 本年度はp型の不揮発性トンネルFETメモリによるSTDPの再現を試みた。p型の不揮発性トンネルFETメモリにおいてもSTDPを再現できることを確認した。しかしながらn型の不揮発性トンネルFETメモリの方が大きなメモリウインドを示した。n型の不揮発性トンネルFETの場合、ゲート-ソース間のポテンシャル差がp型の不揮発性メモリよりも大きいために効率的に電荷が注入されたと考えられる。 以上の結果を基に、n型の不揮発性トンネルFETメモリで得られたSTDP特性を用いてSNNのシミュレーションを行い、その動作を確認した。
|
現在までの達成度 (段落) |
令和4年度が最終年度であるため、記入しない。
|
今後の研究の推進方策 |
令和4年度が最終年度であるため、記入しない。
|