カオスボルツマンマシンとそのレザバー応用，および超低消費電力型ＬＳＩの開発

カテゴリ: 部門大会

論文No: TC16-1

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): A Chaotic Boltzmann Machine Working as a Reservoir and Its Energy-Efficient LSI Implementation

著者名: 野村 修（九州工業大学/ニューロモルフィックAIハードウェア研究センター）,森江 隆（九州工業大学/ニューロモルフィックAIハードウェア研究センター）,田向 権（九州工業大学/ニューロモルフィックAIハードウェア研究センター）,川島 一郎（九州工業大学/ニューロモルフィックAIハードウェア研究センター）,中原 和勇（九州工業大学）,香取 勇一（はこだて未来大学）

著者名(英語): Osamu Nomura (Kyushu Institute of Technology/Research Center for Neuromorphic AI Hardware),Takashi Morie (Kyushu Institute of Technology/Research Center for Neuromorphic AI Hardware),Hakaru Tamukoh (Kyushu Institute of Technology/Research Center for Neuromorphic AI Hardware),Ichiro Kawashima (Kyushu Institute of Technology/Research Center for Neuromorphic AI Hardware),Kazuo Nakahara (Kyushu Institute of Technology),Yuichi Katori (Future University Hakodate)

キーワード: ニューロモーフィック|レザバーコンピューティング|アナログ回路|LSI|neuromorphic|reservoir computing|analog circuit|LSI

要約(日本語): 深層学習（ＤＬ）を中心とするＡＩ技術は社会の隅々にまで浸透しつつあるが，その演算に要する消費電力と学習コストの高さは，大きな課題となっている．この課題に対して，エッジ側でも学習を含むＡＩ計算を行うエッジＡＩ技術が注目されている．特にＤＬ系のＡＩ計算とは異なり，内部に埋め込まれた様々な非線形ダイナミクスを出力層で取り出す方式に基づくレザバー計算モデルは，学習に際してレザバー層と出力層間の荷重のみを調整すれば良いため，学習コストが低く，少ないデータでも優れた学習機能を実現できるという利点がある．また，非線形ダイナミクス実現の観点からアナログ回路によるＬＳＩ実装に適しており，超低消費電力動作を実現しやすいという利点も有する．本発表では，レザバーとして高い性能が期待でき，集積回路化に適したカオスボルツマンマシンモデルのレザバー応用と，その超低消費電力型ＬＳＩとしての実装に関する成果を紹介する．