2024-02-19 慶應義塾大学,科学技術振興機構
慶應義塾大学理工学部電気情報工学科の吉岡健太郎専任講師は、エッジコンピューティングの普及に伴い、より身近なデバイスへの人工知能（AI）応用を促進するため、深層ニューラルネットワーク（DNN）、特にTransformer処理の高効率な推論を実現する高精度かつ省エネルギーなコンピュート・イン・メモリ（CIM）回路を開発しました。
本研究では、従来のCIMが抱えていたTransformerの推論に必要な演算精度を実現するために、データ格納、演算、アナログ－デジタル（A/D）変換を1つのメモリセルに集積した「容量再構成型CIM（CR-CIM）」構造を提案しました。この構造によって、アナログCIMで初めてTransformer処理に必要な演算精度を達成しつつ、消費電力1Wあたりの処理速度が818 TOPS（兆回／秒）と非常に高い電力効率を実現しました。また畳み込みニューラルネットワーク（CNN）処理を行う際は、同等の演算精度を持つ従来技術と比べ10倍のエネルギー効率となる4094 TOPS/Wを達成しました。
本研究成果は、エッジコンピューティングやAIの分野で、電力効率と処理速度の両面で効率的なAIハードウェアの開発に貢献します。また将来的にはより多くの人々が大規模言語モデル（LLM）といったAIサービスを利用しやすくなると期待されます。
研究成果の詳細は、米国時間2月18日から開催されている「ISSCC2024（国際固体素子回路会議）」にて発表されました。ISSCCは集積回路に関するオリンピックとも称される、最難関国際会議です。
プレスリリース全文は、以下をご覧下さい。
