ニューロモルフィック・コンピューティングの新しいタイプを開発中のエンジニア

ペンシルバ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続く中で、新しいタイプのコンピューティングを開発中である。新しいコンピューティング方法は、非常に効率的な脳の神経ネットワークに基づいている。

この論文は、Nature Communicationsに掲載された。

脳インスパイアド・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（人間の脳も含む）との主な違いは、前者はオン・オフまたは1と0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。チームによって使用された例は、オン・オフしかできない光と、可変の明るさを持つ光との比較である。

チームリーダーであり、ペンシルバニア州立大学のエンジニアリング科学と力学の助教授であるSaptarshi Dasによると、脳インスパイアド・コンピューティングの研究は40年以上前から行われている。今日の世界では、デジタル・コンピュータの限界により、高速画像処理に注目せざるを得なくなっており、自動運転車の場合も同様である。

ビッグ・データも、脳ベースのコンピューティングとよく機能するパターン認識タイプを要求するため、ニューロモルフィック・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。

「強力なコンピュータを持っていることは間違いないが、問題はメモリを一つの場所に格納し、別の場所で計算する必要があることだ」とDas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の速度が遅くなる。計算とメモリ・ストレージが同じ場所にできない限り、このような環境では多くのスペースが必要となる。

Thomas Shranghamerは、このグループの博士課程の学生であり、論文の第一著者である。

「私たちは、脳のエネルギーと面積の効率を模倣しようとする人工神経ネットワークを作成している。脳は非常にコンパクトで、肩の上に乗せることができるが、現代のスーパーコンピュータは2〜3つのテニスコートの大きさのスペースを占める」とShranghamerは述べた。

再構成可能な人工神経ネットワーク

チームは、人間の脳の神経細胞のように再構成可能な人工神経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の可能なメモリ状態を実証した。

「私たちが示したのは、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だ」とDasは述べた。

チームは現在、技術の商業化を目指しており、Das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により、この研究に大きな関心が寄せられることを信じている。

ペンシルバニア州立大学のチームからの研究は、これらの人工神経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ピレーションとしての価値を証明し、専門家が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関する貴重な洞察を提供している。