スマホに高度なAIモデルを実装できる? アナログメモリスタの抵抗制御技術:抵抗レベル数を増やすアルゴリズム
大阪大学の研究グループは、アナログメモリスタの抵抗レベル数を大幅に増やすことができる新たなアルゴリズムを開発した。スマートフォンやIoT機器などにおいて高度なAIモデルの実装が期待される。
2000万パラメータのニューラルネットワーク計算で分類精度95.5%
大阪大学大学院基礎工学研究科システム創成専攻のDIAO ZHUO助教、藤平哲也准教授、酒井朗教授らによる研究グループは2025年3月、アナログメモリスタの抵抗レベル数を大幅に増やすことができる新たなアルゴリズムを開発したと発表した。スマートフォンやIoT機器などにおいて高度なAIモデルの実装が期待される。
アナログメモリスタは、電圧を加えることで抵抗値を自由に設定できる電子部品で、1つのメモリスタで複数の情報を記憶することができる。この特性を生かし、ニューラルネットワークの重みを抵抗状態に対応させれば、AIハードウェアにおけるエネルギー効率と演算速度を飛躍的に向上できる可能性があるという。ただ、これまでは設定可能な抵抗レベル数が100程度に限られていたことや、非線形な抵抗変化が課題となっていた。
研究グループは今回、フィードフォワードの抵抗制御アルゴリズムを新たに開発した。制御信号ごとに測定した抵抗変化率を事前に校正することで、メモリスタの抵抗変化にかかわる非線形性を補正でき、抵抗レベルの数を大幅に増やすことが可能となった。
実験ではバルク型電気伝導メモリスタに着目。これまで研究グループが開発してきたドーパントイオン(酸素空孔)の二次元トポロジーを精密に制御できる「平面型4端子TiO2-xメモリスタ」を用いた。この結果、抵抗比が1.1倍でも512段階の抵抗レベルと、10-3という低非線形性を達成した。
さらに今回は、アナログメモリスタによるニューラルネットワークの精度評価フレームワークを構築。抵抗レベル数と非線形性がニューラルネットワークの性能に与える影響について、これを定量化する手法を開発した。
この結果、MNISTの手書き数字認識のように単純なタスクだと「8レベル(3ビット精度)」で十分だが、ResNet-34のように複雑なデータセットでは「256レベル(8ビット精度)」が必要になることが分かった。
今回開発したアルゴリズムと平面型4端子TiO2-xメモリスタを用いて、精度を検証した。アナログメモリスタをRPU(Resistive Processing Unit)として用い、2000万パラメータのニューラルネットワーク計算を行ったところ、95.5%という分類精度を達成した。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
電源不要で薄型軽量のARメガネを実現する新技術
東京大学と大阪大学、クラスターおよび、ユニバーシティ・カレッジ・ロンドンによる共同研究グループは、電源が不要で薄型軽量を可能にする拡張現実(AR)ディスプレイ技術を用いた「ARメガネ向け薄型受光系」を開発した。ポスト5Gチップを開発、遅延時間を50分の1に短縮
マグナ・ワイヤレスと大阪大学、情報通信研究機構(NICT)は、遅延時間を従来の50分の1に短縮できる「ポスト5G対応半導体チップ」を共同開発した。産業分野におけるローカル5Gの普及を視野に入れており、マグナ・ワイヤレスが2025年度中に製品化する。絶縁膜とSiC界面発光中心のエネルギー準位を解明
大阪大学は豊田中央研究所と共同で、絶縁膜と炭化ケイ素(SiC)の界面に局在する「発光中心のエネルギー準位」を解明することに成功した。界面発光中心を単一光子源として利用した量子技術を実現できるとみている。「生きた電極材料」でダイオードの性能を向上
大阪大学は、高品質の二酸化バナジウムを電極としてシリコン基板に組み込み、温度制御によって電極構造を変えることができるダイオードを開発した。このデバイスはテラヘルツ光の検出器として、最大10倍以上も性能を向上させたという。らせん磁性体の整流効果 「起源」を解明、磁気メモリ開発に弾み
東北大学と大阪大学、英国マンチェスター大学の研究グループは、らせん磁性体の整流効果について、その発現機構を解明した。これにより、らせん磁気情報の読み出し効率を最大化することが可能となり、らせん磁性体を用いた「キラリティ磁気メモリ」の開発に弾みをつける。スピントロニクスメモリデバイスの消費電力を低減
大阪大学の研究グループは、ME-MRAMなど次世代スピントロニクスデバイスに用いられる電圧情報書き込み技術(界面マルチフェロイク構造)について、信頼性(安定動作)を飛躍的に高めるための新たな構造を開発した。