新しい人工ニューロンデバイスは、非常に少ないエネルギーでニューラルネットワークの計算を実行できる

カリフォルニア大学サンディエゴ校の研究者らが開発した新しい人工ニューロン装置のおかげで、画像の認識や自動運転車のナビゲーションなどのタスクを実行するためのニューラルネットワークのトレーニングに必要な計算能力とハードウェアが将来的に少なくなるかもしれない。このデバイスは、既存の CMOS ベースのハードウェアに比べて 100 ～ 1,000 倍少ないエネルギーと面積でニューラル ネットワーク計算を実行できます。

研究者らは、ネイチャー・ナノテクノロジー誌に最近発表された論文でその研究結果を報告している。ニューラル ネットワークは、人工ニューロンの層が接続された一連のもので、1 つの層の出力が次の層の入力となります。この入力の生成は、非線形活性化関数と呼ばれる数学的計算を適用することによって行われます。これはニューラル ネットワークを実行する上で重要な部分です。しかし、この機能を適用するには、メモリと外部プロセッサという 2 つの別個のユニット間でデータを転送する必要があるため、多くの計算能力と回路が必要になります。

現在、カリフォルニア大学サンディエゴ校の研究者らは、面積とエネルギー効率に優れた方法でこれらの計算をハードウェアに実装する単一のナノスケール人工ニューロンデバイスを開発しました。クズム氏と博士課程の学生サンゲオン・オー氏が主導するこの新しい研究は、カリフォルニア大学サンディエゴ校の物理学教授イヴァン・シュラー氏が率いるエネルギー省エネルギーフロンティア研究センターと共同で実施され、エネルギー効率の高い人工ニューラルネットワークのハードウェア実装の開発に重点を置いている。

このデバイスは、ニューラル ネットワークのトレーニングで最も一般的に使用される活性化関数の 1 つである、正規化線形ユニットを実装します。この機能の特別な点は、動作するために抵抗を徐々に変化させることができるハードウェアが必要であることです。絶縁状態から導電状態へ徐々に切り替えることができ、これはわずかな熱の助けを借りて行われます。この切り替えはモットシフトと呼ばれます。それは二酸化バナジウムのナノメートルの薄い層で発生します。この層の上にはチタンと金でできたナノワイヤヒーターがあります。ナノワイヤに電流が流れると、二酸化バナジウム層がゆっくりと加熱され、絶縁状態から導電性状態へのゆっくりとした制御可能な遷移が起こります。

このデバイス構造は非常に興味深く、革新的です。通常、モット転移の材料は、電流が材料に直接流れると、絶縁体から導電性に突然切り替わります。この場合、研究者たちは材料の上にあるナノワイヤに電流を流して加熱し、抵抗の非常に緩やかな変化を引き起こしました。このデバイスを実現するために、研究者らはまず、いわゆる活性化（またはニューロン）デバイスのアレイとシナプスデバイスのアレイを作製した。次に、2 つのアレイをカスタム プリント回路基板に統合し、配線してニューラル ネットワークのハードウェア バージョンを作成しました。

研究者たちは、このカリフォルニア大学サンディエゴ校のガイザー図書館の写真のような画像を処理するためにこのネットワークを使用しました。ネットワークは、画像内のオブジェクトの輪郭、つまりエッジを識別する、エッジ検出と呼ばれるタイプの画像処理を実行しました。この実験では、統合ハードウェア システムが、多くの種類のディープ ニューラル ネットワークに不可欠な畳み込み演算を実行できることが実証されました。

研究者らは、この技術をさらに拡張することで、自動運転車の顔認識や物体認識など、より複雑なタスクを実行できるようになると述べている。