超小型バッテリーレスセンシングプラットフォームための機械学習チップ

点击翻译按钮获取中文摘要

環境問題への対策として、微小なエネルギーを回収してデバイス動作に用いるエナジーハーベスティングが有効である。微細化が可能な小型太陽電池とCMOS回路を組み合わせることで、これまでにないサイズのデバイスを作製可能となる。そのデバイス駆動のためには、得られるエネルギーがごく微量であることから、できる限り低消費電力化がなされることが望ましい。一般にシステム制御に用いられるのはCPUだが、専用のデジタル回路と比較すると消費電力の高さが課題となる。専用回路をCPUを補佐する目的で用いられることもあるが、専用回路はチップ製作後に書き換え不能であるため、製作コストの高いCMOSチップ専用となってしまう。CPUの良さはプログラム書き換え可能であることなので、その利点を潰してしまう。その問題解決策の一つとして、機械学習回路がある。CPUより低消費電力であり、その重みを書き換えることでチップ製作後もその機能を一部変更することが可能である。このような機械学習回路において、一般には画像処理などで大規模なデータのアクセラレータとしての利用は進んでいるが、エナジーハーベスティングを目的とした規模の小さい機械学習回路についての研究はあまり進んでいない。そこで本研究では、最適な機械学習回路を選定するとともに、エナジーハーベスティングに用いるための機械学習チップに必要なMLのパラメータを検証し、最適化されたパラメータから実際にチップを製作しその有用性を検討した。本年度は、機械学習回路作製のための環境整備、及び試作用の機械学習回路の選定とFPGAによる実装、0.18um 標準CMOSプロセスによる回路実装を行った。