[17p-WL1_301-1~13] バイオ・エレクトロニクス・フォトニクスの融合によるニューロモルフィックコンピューティング

17:40 〜 17:55

[17p-WL1_301-11] 再構築可能な入力機構を備えたオンボード非線形アナログネットワークの高速機械学習機実装

〇広井 賀子^1,2、千葉 天翔¹、松永 大輝¹、後閑 哲也¹、田島 凛也¹、アンテサナ アンドレ¹ (1.神奈川工科大工、2.慶應義塾大医)

キーワード：

対比局所学習ネットワーク、アナログ計算機、FPGA

私たちは脳のような小さな計算力単位の連結で低消費エネルギー性の学習機構築を目指し、Dillavouら[1]が提案した自己調整型トランジスタベースの非線形抵抗素子に基づくアナログ電子対比局所学習ネットワークから成る、一対の自由接続ネットワークと固定接続ネットワークを単一基板上に実装した。その動作を検証した後、FPGAを入力とする16エッジネットワークを構築し、学習装置としての性能を調査した。その結果、Intel(R) Xeon(R) CPU 2.20GHz、A100 GPU、v5e1 TPU上で正弦波形を訓練したソフトウェアベースの2層ニューラルネットワークのうち最も成績の良かったものと比較し、エポック数は1/187未満、総訓練時間は10^-7、総消費エネルギーは10^-9で同等の精度を達成することが示された。