Study on Neuromorphic Systems using Thin-Film Devices

（邦訳：薄膜デバイスを用いたニューロモーフィックシステムの研究）

木村睦
龍谷大学教授／奈良先端科学技術大学院大学客員教授

［背景］コンパクト・低エネルギ消費・頑強動作の人工知能が必要
［問題］薄膜デバイスを用いたニューロモーフィックシステムを開発
［貢献］エネルギー危機を回避，すべてのモノの人工知能を実現

人工知能は，現在もさまざまな応用に用いられ，未来の社会において不可欠な技術である．しかしながら，従来のニューラルネットワークは，超ハイスペックなノイマン型のハードウェアで実行される複雑で長大なソフトウェアであり，マシンサイズが巨大でエネルギ消費が膨大であるという課題があった．ニューロモーフィックシステムは，ハードウェアレベルからの生体模倣システムで，生体の脳と同様にコンパクト・低エネルギ消費・頑強動作といった特長を持つ．一方，薄膜半導体デバイスは，大面積に三次元積層構造で作製することが可能である．

本研究は，薄膜デバイスを用いたニューロモーフィックシステムに関するものである．薄膜デバイスを利用することで，ニューロモーフィックシステムはその特長をさらに高める可能性を持つ．主要な成果は，下記のとおりまとめられる．

ニューロモーフィックシステムを薄膜デバイスによる実現性の観点から改めて研究し，ニューロン素子を3種類のシンプルな回路まで簡略化し，シナプス素子を1個の可変抵抗や可変キャパシタまで簡略化した．綱引法と修正ヘブ学習則を提案することで，局所的な条件でシナプス結合が自動的に制御されるようにした．
薄膜デバイスとして，低温多結晶シリコン（LTPS）デバイス・アモルファスIn-Ga-Zn-O（a-IGZO）デバイス・アモルファスGa-Sn-O（a-GTO）を精査し，コンダクタンスが電流履歴とともに連続的に減少することを確認し，シナプス結合として使用できることを明らかにした．
クロスポイント型・プレーナ型シナプス素子と，ホップフィールド・セルラニューラルネットワークを，分離・表面・積層構造で実際に組み合わせることにより，単純論理学習・文字再生の動作確認に成功した．これらのニューラルネットワークは基礎的なものであるが，より高度なものにも適用可能である．

本研究で，薄膜デバイスを用いたニューロモーフィックシステムの基本的な構成や単純な動作を確認したことで，将来は，大規模集積化や三次元積層構造により，コンパクト・低エネルギー消費・頑強動作という特長を活かすことで，世界的なエネルギー危機を回避し，すべてのモノの人工知能（AIoE）を実現する可能性を持っていると考えられる．たとえば，人間の脳に匹敵する2×10¹⁰個のニューロン素子と2×10¹⁴個のシナプス素子を想定すると，可変抵抗のシナプス素子では1ℓのサイズと30Wの消費電力，可変キャパシタでは0.2ℓのサイズと20Wの消費電力が実現できると予想される．2050年には人工知能のための消費電力はすべての消費電力の60%にもなると試算されており，本研究はその削減に資するものである．また，モノのインターネット（IoT）はしばしばいわれているが，AIoEとしてそれらが知性を持ってつながることで，ビッグデータのその場リアルタイム情報処理も可能となり，超スマート社会の実現が期待できる．

（2018年5月4日受付）

取得年月日：2018年3月
学位種別：博士（理学）
大学：奈良先端科学技術大学院大学

推薦文：（システム・アーキテクチャ研究会）

機械学習が注目を集めているが，その実現手段として従来型のコンピュータでは速度や電力の観点から実現が困難である．本論文は，ニューロンやシナプスを薄膜デバイスを組み合わせて実現することにより従来型を凌駕する速度および電力効率の機械学習システムを提案した．高性能計算基盤としての新たな展望を期待する．

研究生活：

情報科学と電子工学は密接な関係にあるが，真に両方の知見を備えた研究者は少ない．そこで，電子工学の学位に加えてDouble degreeとして情報科学の学位の取得を目指した．その過程の副産物として，情報科学と電子工学の研究者のさまざまな違いを感じることができた．情報科学の人はハードウェア記述言語はハードウェアだと思っているが，電子工学の人はソフトウェアだと思っている，などなど，会話をするには通訳が必要である．情報科学の論文誌の採択は困難で国際会議の採択率は低く，電子工学はそれほど難しくはない，という事実のカラクリも分かったが，生々しいので直接お会いする機会があれば議論しましょう……．

2017年度へ戻る

このページの先頭へ