| 研究課題/領域番号 |
20H04159
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
竹内 健 東京大学, 大学院工学系研究科(工学部), 教授 (80463892)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | ナノメモリデバイス / Stochastic Resonance / AI |
|---|
| 研究実績の概要 |
本研究では、ナノスケールの大容量不揮発性メモリに対し、隣接メモリ間の電子の移動・電荷蓄積層からチャネルへの電子のリーク・メモリサイズの製造ばらつきなど、不揮発性メモリの本質的な課題であるメモリのエラーを、機械学習や新コーディングを用いた精緻な制御で抑制する。メモリデバイス・メモリコントローラのハード・ソフト全体を不揮発性メモリに向けて連携・融合させることで、メモリのエラーを極限まで減らし、データ保持等の寿命を最大限に高める。機械学習による制御を更に発展させ、不揮発性メモリをフルに活用した高速・低電力・高信頼な機械学習の処理・記憶システムを創造する。本年度は前年度、当初の想定に反し、ナノスケールメモリのAI応用の検討の過程で、ナノスケールメモリが示す量子力学的なゆらぎ、Stochastic Resonanceを活用することで、超低電力なコンピューティングを実現できる可能性を発見した。Stochastic Resonanceはフラッシュメモリデバイスを利用しつつ、極限まで電力を低減できる可能性があり、特性を詳細に検討を行った。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
当初の想定に反し、ナノスケールメモリが示す量子力学的な統計的な挙動の制御により、近年市場の成長が著しいニューラルネットワークの現象Stochastic Resonanceを発見し、AIの応用にナノスケールメモリが活用できることが判明した。当初の予定にない新たな知見を活用することで、研究を加速することに成功し、当初予定した内容も十分な成果を挙げつつ、全体としては当初の想定以上の成果を出している。
|
| 今後の研究の推進方策 |
前年度、当初の想定に反し、ナノスケールメモリのAI応用の検討の過程で、ナノスケールメモリが示す量子力学的なゆらぎ、Stochastic Resonanceを活用することで、超低電力なコンピューティングを実現できる可能性を発見した。本年度はStochastic Resonanceを詳細に評価したうえで、単体のナノスケールメモリデバイスとしてのみならず、ナノスケールメモリデバイスを大規模集積化し、量子ゆらぎを活用できるコンピューティングを検討する。
|
