東京理科大学がエッジAI処理ハードウエアを開発、TGBNNとMRAMアレイで学習機能の実装に成功

text: XEXEQ編集部
（記事は執筆時の情報に基づいており、現在では異なる場合があります）

PR TIMES より

記事の要約

東京理科大学がエッジ用AI処理ハードウエアを開発
三値勾配二値化ニューラルネットワークを新たに提案
MRAMアレイを用いてTGBNNの実現に成功

東京理科大学が開発したTGBNNによるエッジAI処理の革新

東京理科大学工学部電気工学科の河原尊之教授と同大学大学院工学研究科電気工学専攻の藤原優哉氏は、2024年10月8日に画期的なエッジAI処理ハードウエアの開発を発表した。従来のBinarized neural network (BNN)では学習時の実数計算が課題とされていたが、三値勾配二値化ニューラルネットワーク（TGBNN）の提案によってエッジでの学習機能実装への道が開かれたのだ。^[1]

TGBNNはスピントロニクス技術を活用し、単一MRAMセルによるXNORゲート及び確率的更新手法を新たに考案することで、メモリ素子と演算素子を1つのチップ上で統合したComputing in Memory (CiM)としての利用を可能にした。このアプローチによって、エッジデバイスでの効率的なAI学習処理の実現が現実のものとなるだろう。

MNISTデータセットを用いた評価実験では、88%を超える高い精度を達成することに成功している。この結果はTGBNNがエッジデバイスにおけるAI学習処理の実用化に向けて大きな一歩を踏み出したことを示しており、IoT社会の発展に大きく貢献する可能性を秘めている。

TGBNNとMRAMアレイの特徴まとめ

項目	詳細
開発機関	東京理科大学工学部電気工学科
公開日	2024年10月8日
掲載誌	IEEE Access
主要技術	TGBNN、MRAMアレイ、スピントロニクス技術
性能評価	MNISTデータセットで88%超の精度を達成

スピントロニクスについて

スピントロニクスとは、電子の持つ電荷とスピン角運動量という物理量に着目した学問領域のことを指す。スピントロニクス技術の特徴として、以下のような点が挙げられる。

電子のスピン特性を活用した革新的な技術分野
低消費電力での情報処理が可能
次世代メモリ技術への応用が期待される

スピントロニクス技術はMRAMの実現において重要な役割を果たしており、TMRと呼ばれる絶縁体薄膜を強磁性体薄膜で挟んだ3層構造での情報記憶を可能にしている。このMRAMでは強磁性体薄膜の磁化容易軸における2つの向きを記憶情報として利用し、SOTやVCMAといった技術によって情報の書き換えを実現することができるのだ。

TGBNNに関する考察

TGBNNの開発は、エッジコンピューティングにおけるAI処理の革新的なブレークスルーとなる可能性を秘めている。特にIoTデバイスの増加に伴うコンピューティングリソースの肥大化が社会問題となっている現状において、エッジでの効率的な学習処理の実現は大きな意義を持つだろう。

今後の課題として、さらなる精度向上と実用環境での安定性の確保が挙げられる。MNISTデータセットでの88%という精度は promising な結果だが、実際のアプリケーションではより複雑なデータセットでの性能検証が必要となるはずだ。この課題に対しては、TGBNNのアーキテクチャの最適化やMRAMアレイの性能向上が解決の糸口となるだろう。

将来的には、TGBNNの技術をベースとしたエッジAIの標準化や、より広範なアプリケーションへの展開が期待される。特に自動運転や産業用ロボット、スマートホームなどの分野での活用可能性は高く、これらの領域での実証実験を通じた技術の成熟が望まれる。

参考サイト

^ PR TIMES. 「エッジ側に搭載可能な“学習機能”を備えた人工知能処理ハードウエアを開発～スピントロニクス技術を活用し、三値勾配二値化ニューラルネットワークを提案～ | 学校法人東京理科大学のプレスリリース」. https://prtimes.jp/main/html/rd/p/000000115.000102047.html, (参照 24-10-25).

※上記コンテンツはAIで確認しておりますが、間違い等ある場合はコメントよりご連絡いただけますと幸いです。