| 研究課題/領域番号 |
22K14297
|
|---|
| 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), 特任助教 (80823484)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 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 |
|---|
| 研究実績の概要 |
脳を模して記憶・学習するHyperdimensional Computingを高速・低電力に演算する、不揮発性半導体メモリを用いたComputation-in-Memoryシステムを確立する。脳型コンピューティングでデータを保存し演算するため必要な大容量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が本質的な問題であるため、Hyperdimensional Computingの演算に適した回路および用いる不揮発半導体メモリデバイスの要件を明らかにする。
今年度はHyperdimensional Computingを演算する強誘電体FET（FeFET）を用いたComputation-in-Memoryの回路システムを提案した。Hyperdimensional Computingではさまざまなデータを10000次元のハイパーベクトルで表現するため、Computation-in-Memoryに保存したハイパーベクトルの超並列な演算が必要となる。ヨーロッパ言語分類問題をモチーフにして、Computation-in-Memoryによる演算の高速化を検討した。ここでは、Hyperdimensional Computingの基本的な演算であるアルファベットのハイパーベクトルのビット置換をあらかじめ施してFeFETを用いたComputation-in-Memoryのメモリセルに保存しておく。多量の学習データからN-gram HVを並列に作成して加算し、ハイパーベクトルの符号化を分割してCiMで並列に演算するアルゴリズムにより、高速な学習ができることを示した。
|
| 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
これまでにHyperdimensional Computingを演算する強誘電体FET（FeFET）を用いたComputation-in-Memoryの回路システムを提案し、Computation-in-Memoryによる演算の高速化を検討した。従来のデジタル回路を用いた手法でハイパーベクトルのビット置換を1ビットずつ行いそれらを順次加算することと比較して、FeFETを用いたComputation-in-Memoryでは並列・高速に演算できることを示した。
|
| 今後の研究の推進方策 |
Computation-in-Memoryに用いる不揮発性半導体メモリはエラーの発生が避けられないため、エラーにロバストなHyperdimensional Computingのアルゴリズムや回路を検討する。今年度検討したFeFETを用いた回路に加えて、Hyperdimensional Computingを高速・低電力に実行できる他の種類の半導体不揮発性メモリを用いた回路システムを検討し評価する。
|
| 次年度使用額が生じた理由 |
FeFET等の不揮発性半導体メモリのエラー評価結果から、エラーにロバストなHyperdimensional Computingのアルゴリズムおよび回路システムを検討し評価する。
|
