超低電力でAI処理、nvACiM向けメモリ開発 フローディアら：SONOS型フラッシュメモリ採用

フローディアとNEC、九州工業大学は、極めて消費電力が小さいAIハードウェアを実現できる「高精度不揮発性アナログメモリ技術」を共同開発した。ロボットやドローン、自動車などのエッジAI応用機器において、高性能化や省エネ化、小型化が可能となる。

[馬本隆綱，EE Times Japan]

複数ステップに分け目標のパラメーター値に応じた電圧で書き込み

　フローディアとNEC、九州工業大学は2026年5月、極めて消費電力が小さいAIハードウェアを実現できる「高精度不揮発性アナログメモリ技術」を共同開発したと発表した。ロボットやドローン、自動車などのエッジAI応用機器において、高性能化や省エネ化、小型化が可能となる。

　不揮発性メモリを用いたアナログコンピューティングインメモリ（nvACiM）技術は、複数のメモリ素子に任意のパラメーターをあらかじめ設定しておき、アナログデータを並列に入力して積和演算を行うことで、極めて少ない電力でAI処理を行うことができる。

　ところが、これまで検討されてきたnvACiM向けメモリは、メモリ素子間の書き込み速度が大きくばらつき、個々のメモリ素子に設定できるパラメーターのレベル数（ビット精度）も限られていた。その上、設定したパラメーターの値が時間とともに変化するため、演算精度が低下するといった課題があった。

nvACiMの構成と計算［クリックで拡大］ 出所：フローディア

　フローディアは今回、nvACiMとしてSONOS構造のフラッシュメモリ技術を用いた。SONOS型フラッシュメモリは、原理的に高い精度でパラメーター値を設定できるという。その上、「メモリ素子間における書き込み速度のばらつきが小さく、パラメーター値のばらつきを抑制しやすい」「蓄積した電子の保持特性が高く、設定したパラメーター値を長時間維持しやすい」といった特長がある。半面、設定できるパラメーター精度は8値（3ビット精度）にとどまっていた。

　そこで今回、書き込みを複数ステップに分け、ステップごとにパラメーター値に応じた電圧で書き込みと検証を繰り返し、パラメーターのレベル数を倍々に増やしていく方法を開発した。シミュレーションにより、4〜1024nAの範囲で256レベル（8ビット精度）のパラメーター電流が設定できることを確認した。

　さらに、電荷蓄積部を形成する工程において、特殊な熱処理を追加することでバンド構造を工夫した。この結果、書き込み電圧の上昇を抑えながら、電子の漏えいを抑制することに成功した。また、パラメーター書き分け処理中に、浅いトラップに蓄積した電子を除去する技術を導入することで、パラメーターの長時間保存を可能にした。

　研究グループは、開発した技術を用いてnvACiMテストチップを試作し、その効果を検証した。実験では2〜64nA間に2nA刻みで32値（5ビット精度）のパラメーターを設定。各パラメーター値の標準偏差は目標に対し0.78％となった。これらは、従来の浮遊ゲート型フラッシュメモリの値を上回るもので、消費電力を抑えながら高精度な積和演算が可能なことを証明した。

2nA刻みで32値のパラメーターを設定した時の結果［クリックで拡大］ 出所：フローディア