新しいタイプのニューロモルフィック・コンピューティングを開発中のエンジニアたち

ペンシルベニア州立大学のエンジニアチームは、従来のコンピューティングの進歩が停滞しているため、新しいタイプのコンピューティングを開発中である。この新しいコンピューティング方法は、非常に効率的である脳のニューラルネットワークに基づいている。

この研究は、ネイチャー・コミュニケーションズに掲載された。

脳にインスパイアされたコンピューティング

現代のコンピューティングとアナログコンピュータ（人間の脳が属する）の主な違いは、前者はオンとオフの2つの状態しか持たないことである。一方、アナログコンピュータは多数の可能な状態を持つことができる。チームは、点灯と消灯の2つの状態しかない光と、可変な明るさを持つ光の違いを例に挙げている。

チームリーダーであり、ペンシルベニア州立大学のエンジニアリング科学と機械学の助教授であるサプタルシ・ダスによると、脳にインスパイアされたコンピューティングの研究は40年以上前に始まった。現在の世界では、デジタルコンピュータの限界は、画像処理の高速化を必要としており、自動運転車の場合も同様である。

ビッグデータも、脳に基づいたコンピューティングへの移行において重要な役割を果たしている。パターン認識タイプは、脳に基づいたコンピューティングとよく機能するからである。

「我々は強力なコンピュータを持っているが、問題はメモリを一つの場所に保存し、別の場所で計算する必要があることである」とダスは述べた。

メモリとロジックの間でデータを移動することで、多くのエネルギーが消費され、コンピューティング速度が遅くなる。計算とメモリ保存が同じ場所で行われるまで、多くのスペースが必要となる。

トーマス・シュランガマーは博士課程の学生であり、この研究の第一著者である。

「我々は、エネルギーと面積の効率性を脳に近づける人工ニューラルネットワークを作成しようとしている」とシュランガマーは述べた。「脳は非常にコンパクトで、肩の上に乗せることができる。一方、現代のスーパーコンピュータは、テニスコート2〜3個分のスペースを占める」。

再構成可能な人工ニューラルネットワーク

チームは、人間の脳のニューロンと同様に再構成可能な人工ニューラルネットワークを開発中である。これは、グラフェンのシートに短時間の電界を適用することで実現される。チームは、少なくとも16つの可能なメモリ状態を実証した。

「我々は、シンプルなグラフェン・フィールド・エフェクト・トランジスターを使用して、多数のメモリ状態を精密に制御できることを示した」とダスは述べた。

チームは今、技術を商業化したいと考えている。ダスは、現在の半導体企業におけるニューロモルフィック・コンピューティングへの移行を考えると、研究に対する関心が高まるだろうと信じている。

ペンシルベニア州立大学のチームによる研究は、これらの人工ニューラルネットワークへの移行の最新の例である。人間の脳は、多くの最新技術のインスパイア元としてその価値を証明し、現代のスーパーコンピュータのサイズを大幅に削減する方法についての貴重な洞察を提供している。