[24p-31A-1~14] FS.1 フォーカストセッション「AIエレクトロニクス」

14:00 〜 14:15奨励賞エントリー

[24p-31A-4] 不揮発性メモリの量子化・書き込みばらつきを考慮した学習によるComputation-in-Memoryにおける深層強化学習の性能向上

〇(B)佐藤 龍吾¹、山内 堅心¹、松井 千尋¹、竹内 健¹ (1.東大工)

キーワード：

インメモリ計算,深層強化学習

不揮発性メモリを用いたComputation-in-Memory (CiM)は，書き込みばらつきによる性能低下が課題である．本研究では，深層強化学習による倒立振子制御をCiMで実行する際，書き込みばらつきが制御性能に与える影響をシミュレーションした．制御性能の低下に対してQuantization-Aware & Variation-Aware Training (QAVAT)を導入することで制御性能を大きく改善し，制御ステップ数を２倍にできることを示した．また，ばらつきに対する振子制御の振る舞いを観察し，評価関数を変更することで更なる性能改善に成功し，ばらつきがない場合と同程度の制御性能を達成した．