Cognitive sensing system where machines perform machine learning

本年度はsilicon-on-insulator（SOI)ウエハ上に単一の微小電気機械システム（MEMS）非線形振動子を作製し、これを物理リザバーとして機械学習のベンチマークタスクを実施し、機械学習が可能であることを示しました。そして、振動子の非線形振動応答特性と機械学習性能を比較して最適な動作ポイント、そのメカニズムについて考察しました。SOIウエハに製作した両端支持梁からなる非線形振動子は梁の張力による剛性によって硬化ばね特性を有し、共振点付近で振動応答特性にヒステリシスを示しました。この応答特性を利用した物理リザバーを構築し、短期記憶、パリティタスクによるベンチマークを実施し、それぞれ短期記憶、非線形演算能力を確認し、機械学習が可能であることを示しました。そのうえで、振動子の振動特性、特に振動子の動作周波数と入力データの保持時間が学習性能に及ぼす影響を調べました。その結果、応答振幅にヒステリシスが生じる領域、特に不安定領域で記憶性能が他よりも良くなる傾向と線形、非線形記憶性能の高性能領域が相補的に存在することを確認しました。これらは物理リザバーで広く知られる経験則と一致していました。これらのことはMMEMS非線形振動子が物理リザバーとして良く機能していることを示しており、今後の研究に必要な最適な動作点、振動子の設計論の知見が得られました。これらを踏まえて、非線形振動子アレイや加速度センサを一体化した非線形振動子を製作し、これらについてもベンチマークタスクを実施し、機械学習が可能であることを確認しました。

本年度はsilicon-on-insulator（SOI)ウエハ上に単一の微小電気機械システム（MEMS）非線形振動子を作製し、これを物理リザバーとして機械学習のベンチマークタスクを実施し、機械学習が可能であることを示しました。そして、振動子の非線形振動応答特性と機械学習性能を比較して最適な動作ポイント、そのメカニズムについて考察しました。SOIウエハに製作した両端支持梁からなる非線形振動子は梁の張力による剛性によって硬化ばね特性を有し、共振点付近で振動応答特性にヒステリシスを示しました。この応答特性を利用した物理リザバーを構築し、短期記憶、パリティタスクによるベンチマークを実施し、それぞれ短期記憶、非線形演算能力を確認し、機械学習が可能であることを示しました。そのうえで、振動子の振動特性、特に振動子の動作周波数と入力データの保持時間が学習性能に及ぼす影響を調べました。その結果、応答振幅にヒステリシスが生じる領域、特に不安定領域で記憶性能が他よりも良くなる傾向と線形、非線形記憶性能の高性能領域が相補的に存在することを確認しました。これらは物理リザバーで広く知られる経験則と一致していました。これらのことはMMEMS非線形振動子が物理リザバーとして良く機能していることを示しており、今後の研究に必要な最適な動作点、振動子の設計論の知見が得られました。これらを踏まえて、非線形振動子アレイや加速度センサを一体化した非線形振動子を製作し、これらについてもベンチマークタスクを実施し、機械学習が可能であることを確認しました。