新規AI計算アーキテクトの実装に向けて

<plone.namedfile.file.NamedBlobImage object at 0x7f17f0104890 oid 0x698801 in <Connection at 7f1852db5940>>

2025-03-11

engineering

{'items': [{'key': 'ebpu', 'term': 'アナログメモリスタ ', 'description': {'blocks': [{'key': '7mt6g', 'text': 'メモリスタはレジスタ、インダクタ、キャパシタにつぐ、第四の受動素子。素子が可変な抵抗（レジスタ）値を不揮発に記憶（メモリ）していることからこのように呼ばれる。アナログ型メモリスタ素子は、電圧を印加すると多値的に抵抗変化するので、抵抗値の設定は可逆的に書き込み可能であり、multi-bitメモリとして応用できる。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'ek01m', 'term': 'RPU', 'description': {'blocks': [{'key': '7fdtl', 'text': 'resistive processing unit. RPUは、大量のメモリスタを集積した回路を用いたインメモリ計算アーキテクチャである。特に、メモリスタで設定した抵抗値を利用し、オームの法則とキルヒホッフの法則に基づいて高次元の行列の積和演算を実行できることから、新しいAIハードウェアとして期待されている。これは従来の計算機とは異なり、メモリとプロセッサ間の頻繁なデータ転送によるメモリボトルネックが存在しない。RPUはメモリ内で直接計算を実行できるため、エネルギー効率とスループットが大幅に向上する。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '5rmkr', 'term': '抵抗比', 'description': {'blocks': [{'key': 'd90q4', 'text': 'メモリスタの高抵抗状態（HRS）と低抵抗状態（LRS）の比率を示す指標であり、一般的にスイッチングデバイスの性能を評価する際に用いられる。高い抵抗比を持つデバイスは、ON/OFFの識別が容易であり、バイナリメモリとしての利用に適している。アナログメモリスタでは、より大きな抵抗比を持つことが、細かい抵抗値の制御に有利であり、多値記憶やアナログ計算への適用に適しているといわれている。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '6k87a', 'term': '平面型4端子TiO2-xメモリスタ', 'description': {'blocks': [{'key': 'be75o', 'text': '従来の2端子型メモリスタから独立した制御端子を追加することで、抵抗変化の精度を向上させるデバイス構造である。詳細は本グループの過去研究を参照(https://resou.osaka-u.ac.jp/ja/research/2022/20220428_1)', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [{'offset': 71, 'length': 55, 'key': 0}], 'data': {}}], 'entityMap': {'0': {'type': 'LINK', 'mutability': 'MUTABLE', 'data': {'url': 'https://resou.osaka-u.ac.jp/ja/research/2022/20220428_1'}}}}}, {'key': 'emkog', 'term': '低非線形性指標', 'description': {'blocks': [{'key': '32j5d', 'text': 'メモリスタの抵抗変化が電圧に対してどれだけ均一に変化するかを示す指標である。理想的なアナログメモリスタでは、抵抗値が電圧や電流の変化に対して線形に変動することが求められる。しかし、実際のデバイスでは、電圧依存性が強く、一部の範囲で急激な変化が起こるため、非線形性指標が低いほどデバイスの数値精度は良い。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '89sdp', 'term': 'ResNet-34', 'description': {'blocks': [{'key': 'debm6', 'text': 'ResNet-34は深層学習で用いられる畳み込みニューラルネットワーク（CNN）の一種であり、画像認識/分類、物体検出などの多くの分野で実用化されている。', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}]}

['es']

['DIAO ZHUO', '藤平哲也', '酒井 朗']

現代の社会では AI の計算能力を向上させる需要が高まっており、大規模なベクトル・行列演算に適したメモ リスタベースのハードウェア計算ユニットが今後さらに注目されるでしょう。しかし、グラフィックボード (GPU) を用いた AI 計算では half precision (16 ビット) 以上の浮動小数点精度が使用されています。 そのため、メモリスタも 2１６以上の抵抗レベルを実現するためのさらなる開発が求められています。今後は 4 端子 TiO2-x メモリスタの抵抗比を上げることで、より高い精度のデバイスの実現を目指して開発していきま す。

DIAO ZHUO

助教

基礎工学研究科

https://d27dvn5omhsgge.cloudfront.net/ja/ca0e0a517eb1af43.html?k=DIAO%20ZHUO