| 講演抄録/キーワード |
| 講演名 |
2024-11-01 12:10
[招待講演]長い時間スケールを有する酸化物リーク積分トランジスタの開発とスパイキングニューラルネットワークへの応用 ○井上 悠(産総研)・田村浩人(東大)・鬼頭 愛(産総研)・シャンユ チェン・ゾルボー ビャムバドルジ(東大)・矢嶋赳彬(九大)・堀田育志(兵庫県立大)・飯塚哲也(東大)・田中剛平(東大/名工大)・井上 公(産総研) MRIS2024-26 CPM2024-55 |
| 抄録 |
(和) |
近年,生体神経動作を模倣することで,電力効率の良い情報処理の実現が期待されている.生体ニューロンはリーク積分発火と呼ばれる振る舞いを示し,ミリ秒から秒スケールの長い時間スケールで動作することが特徴である.我々は,固体中酸素欠損イオンの移動現象を利用することで,このように長い時間スケールでリーク積分動作するトランジスタを開発した.実際にこれらの素子を使って,リザバーと呼ばれるニューラルネットワークとしての動作を確認した.また,リザバーによる生体模倣型情報処理の一例として,数値シミュレーションにより筆跡の異常検知の実証実験にも成功したので報告する. |
| (英) |
Biomimetic computing aims to realize energy-efficient information processing by mimicking the behavior of biological neural networks. Biological neurons exhibit leaky-integrate-and-fire behavior with relatively long leaky integration time scales of milliseconds to seconds. We report solid-state transistor devices that exhibit leaky integration behavior with such a long timescale by exploiting the drift-diffusion of oxygen vacancy ions in solids. A randomly connected spiking neural network called a reservoir was constructed to confirm its operation. Furthermore, we report a demonstration of handwriting anomaly detection as an example task in reservoir computing by numerically simulating a spiking neural network. |
| キーワード |
(和) |
スパイキングニューラルネットワーク / リーク積分 / リザバー / 異常検知 / / / / |
| (英) |
spiking neural network / leaky integration / reservoir / anomaly detection / / / / |
| 文献情報 |
信学技報, vol. 124, no. 227, MRIS2024-26, pp. 77-80, 2024年10月. |
| 資料番号 |
MRIS2024-26 |
| 発行日 |
2024-10-24 (MRIS, CPM) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
MRIS2024-26 CPM2024-55 |