Hardware that has itself: Realization of dynamical proto-self for brain-type autonomous hardware.

拥有自身的硬件：脑型自主硬件的动态原型自我的实现。

• 批准号: 21K18303
• 负责人: 堀尾 喜彦
• 金额: $ 16.47万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Pioneering)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-07-09 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K18303/
• 关键词: 自己; 脳型ハードウェアシステム; 高次元複雑ダイナミクス; リザバー計算; 脳幹ネットワーク; 意識・無意識; 時空間学習記憶ネットワーク; 脳型ハードウェア; 複雑高次元ダイナミクス; 脳幹

昨年度カオスニューラルネットワークリザバー(CNNR)回路を3次元集積回路化したプロトタイプチップを作製したが、コロナ渦の影響による半導体不足により、本年度予定していたTSMC 90 nm CMOSプロセスでの改良版試作は見送らざるをえなかった。そこで、新たにカオス応答を示す2変数スパイキングニューロン回路を開発し、レガシープロセスであるROHM 180 nm CMOSプロセスにより実装した。試作したチップは製造が終了して年度末に納品されたため、現在特性の測定を行っている。一方、スピントロニクスデバイスについては、提供元のデバイス開発が大幅に遅れているため、回路試作の代わりとして、スピントロニクスニューロンおよびスピントロニクスシナプスデバイスの数理モデルを、熱ダイナミクスを用いて作成し、その有効性をCOMSOLシミュレータにより確認した。この成果により、スピントロニクスデバイスとCMOSデバイスを組み合わせた集積回路の設計を可能とした。さらに、当初予定にはなった発展課題として、CNNRのダイナミクスを学習により外部信号に適応するように調整する手法としてFORCE学習を応用した方法を提案し、異なる性質のカオスダイナミクスを持つ様々なCNNRに対して提案手法の有効性を確認した。これに加え、新たに時空間列コンテキスト学習記憶ネットワーク(STCLMN)による、時空間列が持つコンテキストの僅かな差異の分離と類似コンテキストの統合とのバランスを調整することにより、STCLMNを原自己に必要な要素ネットワークとして応用することを検討した。そのため、塚田らが提案した差分方程式モデルを微分方程式モデルとして拡張し、連続時間学習スパイキングニューラルネットワークとして記述した。さらに、提案モデルのアナログ/デジタルハイブリッドハードウェアLSIへの具体的な実装手法を提案した。

Last year's TSMC 90 nm CMOS circuit was improved by the three-dimensional integrated circuit (CNNR), which was controlled by the semiconductor shortage due to the influence of the vortex. 2. The ROHM 180 nm CMOS chip is installed in the circuit of the chip. Try to make the end of the year, the end of the year. One side, the first side, the second side, the third side, the fourth side, the fourth side The result is that the design of integrated circuits is possible. In addition, the CNNR's initial development problems, learning from external signals, adjustment methods, FORCE learning, application methods, and the nature of the differences were identified. This is the first time that a new time-space column has been added to a learning memory system (STCLMN). A differential equation is a differential equation. In addition, we propose a specific implementation method for LSI design.

项目成果

時間履歴を持つ出力ニューロンを用いたニューラルネットワークリザバー

使用具有时间历史的输出神经元的神经网络库

• 发表时间: 2023
• 作者: 田中菜生;Radhika Mishra;Ariunbuyan Sukhbaatar;森士朗;小玉哲也;藤井香之介; 堀尾喜彦; 織間健守; 辻 孟; 石井 豪
• 通讯作者: 藤井香之介; 堀尾喜彦; 織間健守; 辻 孟; 石井 豪

ブレインモルフィックコンピューティングハードウェア

脑拟态计算硬件

• 发表时间: 2023
• 作者: Hoshino T;Yamakado H;Takahashi R;Matsuzawa SI;堀尾喜彦
• 通讯作者: 堀尾喜彦

スピントロニクスデバイスモデルによるニューラルネットワークの有効性の検証

使用自旋电子器件模型验证神经网络的有效性

• 发表时间: 2022
• 作者: 名倉 昌巳;松本 伸示;石井 豪， 堀尾喜彦;堀尾喜彦;成瀬政光;石井 豪， 堀尾喜彦;成瀬政光;菊地優志， 堀尾喜彦
• 通讯作者: 菊地優志， 堀尾喜彦

ブレインモルフィックコンピューティングシステム および次世代エッジAIの基礎とその実現技術

脑形态计算系统和下一代边缘人工智能基础及其实现技术

• 发表时间: 2022
• 作者: 堀尾喜彦

時空間学習則のハードウェア化に向けた回路精度の検討

时空学习规则硬件实现的电路精度考虑

• 发表时间: 2023
• 作者: Parajuli Laxmi Kumar;Wako Ken;Maruo Suiki;Kakuta Soichiro;Taguchi Tomoyuki;Ikuno Masashi;Yamakado Hodaka;Takahashi Ryosuke;Koike Masato;辻 孟; 織間健守; 堀尾喜彦
• 通讯作者: 辻 孟; 織間健守; 堀尾喜彦