工学：ナノスケールデバイス

畳み込みニューラルネットワークは、画像解析のための最も重要な機械学習モデルの1つである。今のところ、畳み込みニューラルネットワークは、グラフィックスプロセッシングユニットなどの従来型のコンピューターハードウエアを使って実装されているが、専用のハードウエアが開発されれば、性能と電力消費がおそらくかなり改善されると思われる。機械学習を行うハードウエアアーキテクチャーの有望な候補として、脳に着想を得たニューロモルフィックシステムが浮上しているが、そうしたシステムの作製によく使われているメモリスター（電気抵抗がデバイスの履歴に依存する部品）を用いて畳み込みニューラルネットワークを実装するのは、難しいことが立証されている。今回H Wuたちは、画像認識のための5層メモリスター畳み込みニューラルネットワークを実証している。このニューラルネットワークは、認識精度がソフトウエアに匹敵する一方、エネルギー効率も従来型のハードウエアより2桁以上高い。

目次へ戻る