モンテカルロ法による磁気光学回折型ディープニューラルネットワークの学習

カテゴリ: 研究会(論文単位)

論文No: MAG23088

グループ名: 【A】基礎・材料・共通部門 マグネティックス研究会

発行日: 2023/11/10

タイトル(英語): Training of MO diffractive deep neural networks by Monte Carlo method

著者名: 大谷 陸(長岡技術科学大学),Chafi Fatima Zahra (長岡技術科学大学),坂口 穂貴(長岡技術科学大学),野中 尋史(愛知工業大学),粟野 博之(豊田工業大学),石橋 隆幸(長岡技術科学大学)

著者名(英語): Riku Oya(Nagaoka Univ. Tech.),Fatima Zahra Chafi(Nagaoka Univ. Tech.),Hotaka Sakaguchi( Nagaoka Univ. Tech.),Hirofumi Nonaka(Aichi Inst. Tech.),Hiroyuki Awano(Toyota Tech. Inst.),Takayuki Ishibashi(Nagaoka Univ. Tech.)

キーワード: モンテカルロ法|磁気光学|ニューラルネットワーク|Monte Carlo method|magneto-optical method|neural network

要約(日本語): 近年、ディープニューラルネットワークによる演算処理にかかるエネルギーが問題となっている。そこで我々は計算自体に消費電力を必要としない、磁気光学効果を利用した磁気光学回折型ディープニューラルネットワークを提案した。これまで、隠れ層に用いる磁区パターンは、あらかじめ逆誤差伝搬法を用いて求めていたが、今回、学習の一部を物理的に行うことを目指し、モンテカルロ法による磁区パターンの決定方法について検討した。

要約(英語): In recent years, the energy required for computational processing by deep neural networks has become an issue. To solve this problem, we proposed a magneto-optic diffraction deep neural network that uses the magneto-optic effect and does not require power consumption for the computation itself. In the past, the magnetic domain patterns used in the hidden layer were determined in advance using the inverse error propagation method, but in this study, we investigated a method for determining the magnetic domain patterns using the Monte Carlo method, aiming to physically perform part of the learning._x000D_

本誌: 2023年11月13日マグネティックス研究会

本誌掲載ページ: 15-18 p

原稿種別: 日本語

PDFファイルサイズ: 1,068 Kバイト