Hardware that has itself: Realization of dynamical proto-self for brain-type autonomous hardware.

拥有自身的硬件：脑型自主硬件的动态原型自我的实现。

基本信息

批准号：
21K18303
负责人：
堀尾喜彦
金额：
$ 16.47万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Pioneering)
财政年份：
2021
资助国家：
日本
起止时间：
2021-07-09 至 2025-03-31
项目状态：
未结题

项目摘要

昨年度カオスニューラルネットワークリザバー(CNNR)回路を3次元集積回路化したプロトタイプチップを作製したが、コロナ渦の影響による半導体不足により、本年度予定していたTSMC 90 nm CMOSプロセスでの改良版試作は見送らざるをえなかった。そこで、新たにカオス応答を示す2変数スパイキングニューロン回路を開発し、レガシープロセスであるROHM 180 nm CMOSプロセスにより実装した。試作したチップは製造が終了して年度末に納品されたため、現在特性の測定を行っている。一方、スピントロニクスデバイスについては、提供元のデバイス開発が大幅に遅れているため、回路試作の代わりとして、スピントロニクスニューロンおよびスピントロニクスシナプスデバイスの数理モデルを、熱ダイナミクスを用いて作成し、その有効性をCOMSOLシミュレータにより確認した。この成果により、スピントロニクスデバイスとCMOSデバイスを組み合わせた集積回路の設計を可能とした。さらに、当初予定にはなった発展課題として、CNNRのダイナミクスを学習により外部信号に適応するように調整する手法としてFORCE学習を応用した方法を提案し、異なる性質のカオスダイナミクスを持つ様々なCNNRに対して提案手法の有効性を確認した。これに加え、新たに時空間列コンテキスト学習記憶ネットワーク(STCLMN)による、時空間列が持つコンテキストの僅かな差異の分離と類似コンテキストの統合とのバランスを調整することにより、STCLMNを原自己に必要な要素ネットワークとして応用することを検討した。そのため、塚田らが提案した差分方程式モデルを微分方程式モデルとして拡張し、連続時間学習スパイキングニューラルネットワークとして記述した。さらに、提案モデルのアナログ/デジタルハイブリッドハードウェアLSIへの具体的な実装手法を提案した。

去年，我们生产了一款带有混沌神经网络储存器（CNNR）电路的原型芯片作为三维集成电路，但由于电晕涡流的影响导致半导体短缺，我们不得不推迟生产改进型芯片。今年计划推出的采用台积电 90 nm CMOS 工艺的版本我无法获得。因此，我们开发了一种新的二变量尖峰神经元电路，它表现出混沌响应，并使用传统的 ROHM 180 nm CMOS 工艺实现它。原型芯片已于本财年末制造并交付，目前正在测量其特性。另一方面，对于自旋电子器件，由于提供商的器件开发明显延迟，作为电路原型设计的替代方案，我们使用热动力学创建了自旋电子神经元和自旋电子突触器件的数学模型，并使用 COMSOL 研究了其有效性。使用模拟器确认。这一结果使得设计结合自旋电子器件和CMOS器件的集成电路成为可能。此外，作为最初计划的开发项目，我们提出了一种应用 FORCE 学习作为通过学习调整 CNNR 的动态以适应外部信号的方法，并将其应用于具有不同混沌动态的各种 CNNR。所提出方法的有效性。此外，通过使用新的时空序列上下文学习和记忆网络（STCLMN）来调整时空序列上下文中微小差异的分离和相似上下文的整合之间的平衡，STCLMN对于原始自我来说是必要的。应用程序作为一个简单的元素网络。因此，我们将 Tsukada 等人提出的差分方程模型扩展为微分方程模型，并将其描述为连续时间学习尖峰神经网络。此外，我们提出了该模型在模拟/数字混合硬件LSI上的具体实现方法。