不揮発性半導体メモリを駆使する脳型コンピューティングの研究

脳を模して記憶・学習するHyperdimensional Computingを高速・低電力に演算する、不揮発性半導体メモリを用いたComputation-in-Memoryシステムを確立する。脳型コンピューティングでデータを保存し演算するため必要な大容量不揮発性半導体メモリは、性能・信頼性・電力等のトレードオフが本質的な問題であるため、Hyperdimensional Computingの演算に適した回路および用いる不揮発半導体メモリデバイスの要件を明らかにする。今年度はHyperdimensional Computingを演算する強誘電体FET（FeFET）を用いたComputation-in-Memoryの回路システムを提案した。Hyperdimensional Computingではさまざまなデータを10000次元のハイパーベクトルで表現するため、Computation-in-Memoryに保存したハイパーベクトルの超並列な演算が必要となる。ヨーロッパ言語分類問題をモチーフにして、Computation-in-Memoryによる演算の高速化を検討した。ここでは、Hyperdimensional Computingの基本的な演算であるアルファベットのハイパーベクトルのビット置換をあらかじめ施してFeFETを用いたComputation-in-Memoryのメモリセルに保存しておく。多量の学習データからN-gram HVを並列に作成して加算し、ハイパーベクトルの符号化を分割してCiMで並列に演算するアルゴリズムにより、高速な学習ができることを示した。

脳を模して記憶・学習するHyperdimensional Computingを高速・低電力に演算する、不揮発性半導体メモリを用いたComputation-in-Memoryシステムを確立する。脳型コンピューティングでデータを保存し演算するため必要な大容量不揮発性半導体メモリは、性能・信頼性・電力等のトレードオフが本質的な問題であるため、Hyperdimensional Computingの演算に適した回路および用いる不揮発半導体メモリデバイスの要件を明らかにする。今年度はHyperdimensional Computingを演算する強誘電体FET（FeFET）を用いたComputation-in-Memoryの回路システムを提案した。Hyperdimensional Computingではさまざまなデータを10000次元のハイパーベクトルで表現するため、Computation-in-Memoryに保存したハイパーベクトルの超並列な演算が必要となる。ヨーロッパ言語分類問題をモチーフにして、Computation-in-Memoryによる演算の高速化を検討した。ここでは、Hyperdimensional Computingの基本的な演算であるアルファベットのハイパーベクトルのビット置換をあらかじめ施してFeFETを用いたComputation-in-Memoryのメモリセルに保存しておく。多量の学習データからN-gram HVを並列に作成して加算し、ハイパーベクトルの符号化を分割してCiMで並列に演算するアルゴリズムにより、高速な学習ができることを示した。