ナノ磁石を用いたリザバー計算の性能を向上

ad
ad
ad

省電力、高集積化可能な小型AIハードウエアの開発を促進

2019-04-22  産業技術総合研究所

ポイント

  • 常温で動作し集積化可能なナノメートルサイズのスピントロニクス素子を用いた物理リザバー計算
  • 同期技術を用いて熱雑音の影響を低減し、計算の信頼性を向上
  • IoT端末やロボット向けの小型AIハードウエアの開発を促進

概要

国立研究開発法人 産業技術総合研究所【理事長 中鉢 良治】(以下「産総研」という)スピントロニクス研究センター【研究センター長 湯浅 新治】金属スピントロニクスチーム 常木 澄人 研究員、谷口 知大 主任研究員、薬師寺 啓 研究チーム長、同研究センター 久保田 均 総括研究主幹らは、国立大学法人 東京大学 大学院情報理工学系研究科 中嶋 浩平 特任准教授、物性研究所 三輪 真嗣 准教授と共同で、スピントルク発振素子を用いた物理リザバー計算の短時間記憶容量を向上させた。

リカレントニューラルネットワークの一つであるリザバー計算は、学習が素早く人工知能(AI)ハードウエアへと展開する取り組みが注目を集めている。しかし従来の方式では、動作原理や動作温度の観点から小型化が困難であった。一方、産総研はナノメートルサイズの磁石を利用した常温で動作するスピントルク発振素子を用いた物理リザバー計算を提案してきた。物理リザバー計算はネットワーク内部の複雑な計算をモノの運動で代替するもので、素子サイズが小さいため省電力で、高集積化が可能であるが、熱雑音の影響が大きいため計算の信頼性が低いという課題があった。今回、高周波磁界による同期現象を利用してリザバー計算のベンチマークである短時間記憶容量を向上させた。これは計算の信頼性が向上したことに対応する。今回開発した技術による物理リザバー計算によって、常温で動作する小型の高密度AIハードウエアの研究開発が促進されると期待される。

なお、この成果の詳細は、2019年4月22日(米国東部夏時間)にApplied Physics Letters(DOI:10.1063/1.5081797)のオンライン版で公開される。

概要図

リザバー計算(左)とスピントルク発振素子(右)の概要図

(左)時系列データを記憶し、認識などの計算を行う。(右上)従来のスピントルク発振素子は熱雑音の影響で信頼性が低下する問題があった。(右下)今回、高周波磁界をかけて安定化し、その課題を解決した。

開発の社会的背景

さまざまなモノ(センサー端末など)がインターネットに接続され情報交換することで相互に制御するInternet of Things (IoT)社会の到来によって、扱う情報量の爆発的な増大が予想されている。その中で、運動、音声、動画などの時系列データを処理する情報処理技術の高度化が必要とされ、時系列データ処理を得意とするリカレントニューラルネットワークなどのAI技術が注目されている。一方で、これらのAI技術を利用するには、既存ハードウエア(CPUやグラフィック処理など並列計算向けのGPUなど)を用いたソフトウエアによる大規模なネットワーク構造を準備して、大量のデータを学習すること(ノードの最適化)が必要であり、その計算量が莫大(ばくだい)となることが問題となっている。そのため、新しいデバイスやそれを用いた新しい論理回路が提案され、AIをハードウエア化する取り組みが盛んになってきた。特に、リカレントニューラルネットワークのフレームワークの一つであるリザバー計算を物理的なデバイスで行う物理リザバー計算が注目されている。物理リザバー計算は従来のリカレントニューラルネットワークとは異なり、ネットワーク内部のデバイスに手を加えず、むしろ、デバイスに備わった固有の物理特性を活用して計算を行う。このため、ネットワーク内部の調整が難しいソフトマテリアルなどもリザバー計算に利用でき、入出力に再現性があれば何でも計算のリソースとして利用できると考えられている。このため、レーザーや量子ビットなどを用いた物理リザバー計算の研究開発が行われている。一方で、センサーなどのIoT端末の将来予測やロボットの動的制御への応用という観点からは、対象となるデバイスが小さいことやエネルギーの制約から、物理リザバー計算を行うデバイスには小型、省電力、常温動作などの特性が求められる。大型回路が必要なレーザーや低温動作の量子ビットでは、将来予測などの複雑な演算を行う大規模なネットワーク構造のAIハードウエアの実現は困難と考えられる。

タイトルとURLをコピーしました