イオンを利用するAIデバイス「物理リザバー素子」、NIMSらが開発：計算負荷を約100分の1に低減

物質・材料研究機構（NIMS）は、イオンの振る舞いを利用して情報処理を行うAIデバイス「物理リザバー素子」を、東京理科大学や神戸大学と共同で開発した。従来の深層学習に比べ、同等の計算性能を実現しつつ、計算負荷を約100分の1に減らした。消費電力が極めて小さいエッジAIデバイスの実現を目指す。

[馬本隆綱，EE Times Japan]

機械学習並みの計算性能を実現しつつ、計算負荷を大幅に低減

　物質・材料研究機構（NIMS）は2025年10月、イオンの振る舞いを利用して情報処理を行うAIデバイス「物理リザバー素子」を、東京理科大学や神戸大学と共同で開発したと発表した。従来の深層学習に比べ、同等の計算性能を実現しつつ、計算負荷を約100分の1に減らした。消費電力が極めて小さいエッジAIデバイスの実現を目指す。

　機械学習の処理で消費する電力は指数関数的に増えている。このため、計算負荷が小さく省電力のAIデバイス「物理リザバー」が注目されている。ただこれまでは、ソフトウェア処理に比べ「計算性能が低い」という課題があった。

　そこで研究チームは、チャネル材料にグラフェンを、電解質にイオンゲル（EMIm-TFSI）を用いて、電気二重層トランジスタ（EDLT）を作製した。EDLTのゲート電極に電圧を印加すると、イオンゲル内部でイオンが移動する。この時、グラフェン／イオンゲル界面近傍での電気二重層によって、グラフェンの電子キャリア密度が変化するため、グラフェンを流れるドレイン電流を制御できるという。

イオン型物理リザバー素子のイメージ図と、約100分の1に低減した計算負荷［クリックで拡大］ 出所：NIMS他

物理リザバーコンピューティングの模式図［クリックで拡大］ 出所：NIMS他

　パルス状の電圧を印加すれば電気二重層の充放電が起こり、ドレイン電流が過渡応答を示す。それに加え、100ナノ秒から数十ミリ秒という幅広い応答時定数領域と、高い非線形性という物理リザバーコンピューティングに適した諸特性が得られた。これらの特性は、幅広い時間スケールに対応するとともに、信号に含まれるさまざまな周波数成分の特徴を効果的に抽出／認識するために有用なことが分かった。

左はイオン型物理リザバー素子として利用するEDLTの断面図、中央はドレイン電流‐ゲート電圧特性、右はパレス電圧印加に対するドレイン電流応答［クリックで拡大］ 出所：NIMS他

　開発したイオン型物理リザバー素子を用い、ベンチマーク試験である「Mackey-Glass方程式」予測タスクを行った。この方程式から得られる情報を電極に入力してイオンを駆動し、対応するドレイン電流の時間変化を、6個のドレイン電極で測定した。ここで得られた電流値と出力重みの線形和を用い、１〜10ステップ先の未来状態を予測した。

　1ステップ先の未来予測では、正解波形と予測波形の誤差が4.63×10^-5と極めて小さく、99％という高い精度で予測できることが分かった。10ステップ先の未来予測でも、既存の物理リザバーと比較すれば、最も高い計算性能になることを確認した。しかも予測精度はソフトウェアを用いた深層学習と同等で、計算負荷は約100分の1と極めて小さい。

イオン型物理リザバー素子を用いて行ったベンチマーク試験の予測結果［クリックで拡大］ 出所：NIMS他