Weebit Nano、メモリ内AIコンピューティング向けMatrix ReRAM研究プログラムを開始

Weebit Nanoは、Weebit Matrixメモリ内コンピューティング研究プログラムを開始しました。学術機関や産業界の研究者は、データが保存されている場所でAI計算を行うという新たな方法を検証するため、ReRAMハードウェアを利用できます。

このプログラムでは、32 × 32のクロスバーアレイを中心とする研究キットを提供し、ベクトル・行列乗算、畳み込み、スパイキングニューラルネットワークなどの演算に対応します。エッジAIにおける重要なハードウェア上の課題、すなわちメモリと独立したプロセッサ間で繰り返されるデータ転送を減らすことで、エネルギーと時間をどれほど節約できるかという問いに取り組みます。

これは研究プラットフォームの提供開始であり、完成した商用AIアクセラレーターの発売ではありません。Weebitによると、メモリ内コンピューティングソリューションが商用市場に投入されるまでには、依然として技術的な課題が残っています。当面の目的は、研究者がモデルやシミュレーションによる検討から、実際のReRAMハードウェアを使った実験へと進めるようにすることです。

メモリ内で計算する理由

ニューラルネットワークの推論では、入力と保存済みのモデル重みを繰り返し組み合わせます。従来型のアーキテクチャでは、メモリ階層を通じてこれらの値を移動させることで、帯域幅とエネルギーが消費される場合があります。メモリ内コンピューティング（IMC）は、そうした処理の一部をメモリアレイ自体の内部で行うことを目指します。

抵抗変化型メモリ（ReRAM）は、電気抵抗をプログラム可能にすることで情報を保存します。Weebitの酸化物ベースのセルは、電極間にスイッチング層を備えており、電圧を加えると導電経路が変化し、それによってセルの抵抗も変わります。保存された状態は電力を継続的に供給しなくても維持されるため、ReRAMは不揮発性メモリです。

アナログコンピューティングの研究では、こうした電気的特性をビットの保存以外にも活用できます。メモリセルに重みを符号化し、そこから生じる電気的応答を計算に利用するアレイを構成できます。これにより、メモリの物理的な動作が、ニューラルネットワーク全体で使われる積和演算と結びつきます。

この目標は、センサー、産業機器、その他のエッジシステムなど、電力や熱設計の制約が厳しいデバイスにとって特に重要です。ただし、AIモデルのあらゆる部分がアレイ内で実行されることや、システム全体でデータ移動がなくなることを意味するわけではありません。

Matrix研究キットの内容

Weebitは当初、次の2種類のパッケージを提供します。

• Matrix IMC評価パッケージ：ハードウェアにより深くアクセスしたい研究者向けの、直接アクセス可能な評価ボード。
• Matrix IMCクイックスタートパッケージ：IMCボード一式、FPGAサブシステム、サンプルコード。

どちらにも、パッケージ済みのチップサンプル、ドキュメント、ソケット付きIMCボードが含まれます。32 × 32のクロスバーは、スパイキングニューラルネットワークを含む、プログラミング手法、AIアルゴリズム、ニューロモーフィックアーキテクチャの研究に向けた、条件を制御しやすいプラットフォームを提供します。

クイックスタート版のFPGAサブシステムにより、研究者はメモリアレイと併用できるプログラム可能なデジタルハードウェアも利用できます。これは、コンピューティングのパイプライン全体を置き換えるのではなく、メモリベースの処理を従来型の処理と組み合わせるハイブリッドシステムの研究に役立ちます。

参加者は、ReRAMに関する研究結果とフィードバックをWeebitと共有します。同社によると、この協力は技術の向上と、より広範な研究活動への貢献を目的としています。今回の発表では、キットの価格、採択プロジェクト数、商用アクセラレーターの提供時期は明らかにされていません。

80倍の消費電力削減という主張を読み解く

関連する研究概要には、Weebitの性能に関する主張を裏付ける重要な詳細が記載されています。放射線耐性を備えたAIハードウェアに取り組む米国の社名非公表企業が、独自の畳み込みニューラルネットワークを用いた画像分類タスクで、IMCアーキテクチャを評価しました。

比較対象には、NVIDIA GeForce RTX 4090 GPUとXilinx ZCU104 FPGAプラットフォームが使われました。IMCのシステムレベルの結果は、WeebitのReRAMアレイでの測定値に基づくアプリケーションモデリングによって推定されました。

このタスクでは、GPU実装と比べて消費電力が約80分の1、FPGA実装と比べて約13分の1になると分析で推定されました。発表資料では、これとは別にレイテンシが約100分の1に低減すると説明されています。これらは特定のタスクに基づく推定値であり、完成した商用MatrixアクセラレーターがAIタスク全般でGPUを上回ることを、独立した測定によって検証した結果ではありません。

この違いは、研究プログラムの要点です。アレイレベルで得られた有用な結果を実システムに生かすには、制御、データ変換、通信、その他の補助処理を考慮しながら、モデルの精度を維持する必要があります。こうした周辺機能もエネルギーを消費し、レイテンシを増加させます。

ハードウェア実験でシミュレーションでは見えない課題を明らかに

WeebitのCEO、Coby Hanoch氏は、2019年のReRAMベースのスパイキングニューラルネットワークの実証など、CEA-Letiとの過去の協業に言及しています。Matrixは、明確に定義されたハードウェアプラットフォームを新たに条件を満たす研究者に提供することで、この研究の方向性を発展させるものです。

異種コンピューティングとニューロモーフィックコンピューティングを研究するニューロモーフィック研究者のKevin D. Johnson氏は、このプラットフォームを使って実際のハードウェア上でモデルを検証し、システムレベルの精度、レイテンシ、消費電力を評価したいと述べた。同氏は、ReRAMを他の処理技術と組み合わせることにも関心を寄せている。

このアプローチは、実用化に向けた可能性を反映している。ワークロードのどの部分がメモリ内計算の恩恵を受けるかを特定し、適切な場合には他のハードウェアと組み合わせるという考え方だ。研究課題は、個々の処理が効率的かどうかにとどまらない。最終的なシステムが、実用的で再現性のあるアプリケーション性能を実現できるかどうかも含まれる。

Weebitは、過酷な環境でReRAMを検討する理由として、耐放射線性も挙げている。ただし、航空宇宙、防衛、医療分野の特定の用途に適しているかどうかは、設計全体の要件と検証結果によって決まる。

デモンストレーションと研究への参加

Weebitは、ミュンヘンで11月10～13日に開催されるelectronica 2026で、Matrix IMCを披露する予定だ。同社はC2ホールのブース637に出展し、イベントページでデモンストレーションと面談の詳細を案内している。

パッケージは参加資格を満たす研究者に提供され、申請内容がプログラムの研究方針に合致するかどうかが審査される。Weebitは、参加を希望する人向けに研究プロジェクト申請フォームを用意している。

Matrixが直ちに提供する価値は、インメモリーAIの前提を検証できるハードウェアへのアクセスだ。データ移動のコスト削減を目指すこの分野では、実際のワークロードを実行したときに、測定された精度、エネルギー消費、レイテンシが総合的にどう推移するかが、重要な証拠となる。