Construction of stochastic superconductor neural networks towards ultra-low-power machine learning

本年度は、確率的超伝導ニューラルネットワークを構成する要素回路の基礎検討を行った。【ニューロン回路】断熱磁束量子パラメトロン（AQFP）ベースの積和演算器およびシグモイド関数生成器により構成された超伝導ニューロン回路を提案し、数値解析により5 GHzの高速クロック周波数で動作することを示した。また、3層のニュラルネットワークを構成した際の消費エネルギーの見積もりを行い、10-100TOPS/Wの高いエネルギー効率で動作することを示した。なお、Stochastic computingの導入により、積和演算器はANDゲート等の基本素子により構成された。またシグモイド関数生成器は、AQFPと単一磁束量子（SFQ）回路を組み合わせることで、シンプルな回路構成でシグモイド関数を生成する。以上の設計指針により、低電力化なニューロン回路を実現した。【磁束量子メモリ】磁束保持ループとAQFP回路を組み合わせた確率的磁束量子メモリを提案し、数値解析による動作検証を行った。保持ループ中の磁束量子の数によりAQFPの出力信号の確率分布が制御され、所望のStochastic数を出力できることを確認した。また、バイアス抵抗によるジュール熱を排除するため、磁束バイアスにより動作する磁束保持ループを検討した。【ネットワーク構造の検討】ニューラルネットワークモデルから回路シミュレーションまでを繋ぐ、ヒエラルキー型のシミュレーション技術を検討した。また、システムの大規模化に向けて、超伝導ニューラルネットワークをタイル状に並べて集積度と演算性能を高めたアーキテクチャを検討した。【その他】本研究のコア技術であるAQFP回路のさらなる高機能化のため、低遅延クロック技術等を検討した。

本年度は、確率的超伝導ニューラルネットワークを構成する要素回路の基礎検討を行った。【ニューロン回路】断熱磁束量子パラメトロン（AQFP）ベースの積和演算器およびシグモイド関数生成器により構成された超伝導ニューロン回路を提案し、数値解析により5 GHzの高速クロック周波数で動作することを示した。また、3層のニュラルネットワークを構成した際の消費エネルギーの見積もりを行い、10-100TOPS/Wの高いエネルギー効率で動作することを示した。なお、Stochastic computingの導入により、積和演算器はANDゲート等の基本素子により構成された。またシグモイド関数生成器は、AQFPと単一磁束量子（SFQ）回路を組み合わせることで、シンプルな回路構成でシグモイド関数を生成する。以上の設計指針により、低電力化なニューロン回路を実現した。【磁束量子メモリ】磁束保持ループとAQFP回路を組み合わせた確率的磁束量子メモリを提案し、数値解析による動作検証を行った。保持ループ中の磁束量子の数によりAQFPの出力信号の確率分布が制御され、所望のStochastic数を出力できることを確認した。また、バイアス抵抗によるジュール熱を排除するため、磁束バイアスにより動作する磁束保持ループを検討した。【ネットワーク構造の検討】ニューラルネットワークモデルから回路シミュレーションまでを繋ぐ、ヒエラルキー型のシミュレーション技術を検討した。また、システムの大規模化に向けて、超伝導ニューラルネットワークをタイル状に並べて集積度と演算性能を高めたアーキテクチャを検討した。【その他】本研究のコア技術であるAQFP回路のさらなる高機能化のため、低遅延クロック技術等を検討した。