Development of low power deep learning LSI based on in-memory computing

2020 Fiscal Year Final Research Report

• Project/Area Number: 18K13800
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 21060:Electron device and electronic equipment-related
• Research Institution: Kyoto University (2020); Osaka University (2018-2019)
• Principal Investigator: Awano Hiromitsu 京都大学, 情報学研究科, 准教授 (10799448)
• Project Period (FY): 2018-04-01 – 2021-03-31
• Keywords: リザバーコンピューティング / 機械学習 / 低消費電力

Outline of Final Research Achievements

We developed a machine learning algorithm suitable for in-memory computation and evaluated its performance when implemented on silicon. Specifically, we proposed an image classification algorithm that combines cellular automata and Bloom filters, a probabilistic data structure. Furthermore, through power simulations assuming a 65-nm CMOS technology, we showed that the proposed algorithm can reduce power consumption by 50% without compromising inference accuracy compared to existing methods.

Free Research Field

集積回路

Academic Significance and Societal Importance of the Research Achievements

深層ニューラルネットワーク（DNN）が画像分類をはじめとして様々な領域で成果を挙げている。しかし、他を圧倒する性能と引き換えに、DNNの学習・推論に要するエネルギは膨大であり、DNNのエッジ応用を妨げる要因となっている。本研究では、リザバー計算に基づく反復法に依存しない機械学習アルゴリズムを提案し、電力削減効果を検証した。脱炭素が叫ばれる現代において、情報システムが消費する電力は膨大であり、その削減が強く求められている。本研究は知的コンピューティングの高効率化に向けて寄与する成果であると言える。