「電流を流すだけで積和演算」 TDKの超省電力AI用デバイス：消費電力はGPU比で100分の1（1/2 ページ）

TDKは、スピントロニクス技術を活用するニューロモーフィック素子として「スピンメモリスタ」を開発した。AIで多用される積和演算を、GPUに比べて100分の1の消費電力で実行できるという。フランスCEAと東北大学との協業により、2030年の量産技術の確立を目指す。TDKは、スピンメモリスタのデモを「CEATEC 2024」で公開する予定だ。

[村尾麻悠子，EE Times Japan]

　TDKは2024年10月2日、スピントロニクス技術を用いたニューロモーフィック素子^＊）「スピンメモリスタ」を開発したと発表した。AI（人工知能）で使われれる積和演算を、GPUに比べて100分の1の消費電力で実行できるという。センサーと組み合わせて、センサーからのデータをローカルで処理するエッジAIでの活用が期待される。同年10月15日から開催される「CEATEC 2024」（幕張メッセ）で、スピンメモリスタを用いた音声分離のデモを披露する予定だ。

＊）スピントロニクスは、電子が持つ電荷とスピンを活用する技術。ニューロモーフィック素子（デバイス）は、脳の神経細胞であるニューロンを模倣した回路で構成する演算器。

「第4の受動素子」メモリスタ

　メモリスタは、デバイスを通過した電荷に応じて伝導度や抵抗値が変化する素子。抵抗、キャパシター、インダクターに続く“第4の受動素子”とも呼ばれている。TDKは、HDD用磁気ヘッドや磁気センサーなど向けに30年以上手掛けてきたスピントロニクス技術を応用し、2017年ごろにスピンメモリスタの開発に着手した。磁気抵抗効果も利用することで、安定したデータの保持や、制御のしやすさを実現したという。「これらの特徴は、メモリスタとして先行しているPCM（相変化メモリ）やReRAM（抵抗変化型メモリ）と大きく異なる点だ」（TDK）

左＝メモリスタの概要／右＝TDKは長年、スピントロニクス技術を手掛けてきた［クリックで拡大］ 出所：TDK

AIの積和演算を超低消費電力で実行できるスピンメモリスタ

　スピンメモリスタと電子回路で構成するニューロモーフィックデバイスは、AI推論で実行される膨大な積和演算を、超低消費電力で実行できる。

　仕組みは次の通りだ。まずはスピンメモリスタをアレイ状に配列する。各メモリスタには、学習結果に応じて抵抗値が設定されている。推論を実行する際は、電流（推論のための入力情報に相当）をアナログまたはスパイクの状態でアレイに流し込む。電流はスピンメモリスタの抵抗値に応じて変化し、出力側へと流れていく。それらの出力電流を測定することで、入力情報の積和結果を得られる。

スピンメモリスタを用いたアナログ積和演算の仕組み［クリックで拡大］ 出所：TDK

　「AIに必要な計算を電流を流すだけで実現できるので、自然現象を活用した演算器ともいえる。積和演算を、GPUに比べて100倍以上効率的に実行できると期待されている」（TDK）

積和演算を実行したときの消費電力の比較。GPUの消費電力（3115μW）は、GPU1素子当たりのもの［クリックで拡大］ 出所：TDK

　AIの普及に伴い、GPUやデータセンターの消費電力の増加が課題になっている。「GPUを使った演算ではプロセッサとメモリ間のデータのやりとりで電力を消費する。スピンメモリスタは、演算とデータ保存が同じ場所で行われるので、大幅に電力を削減できる」（TDK）