[21a-C201-1~11] FS.1 フォーカストセッション「AIエレクトロニクス」

[21a-C201-7] アナログメモリの非線形書き込み特性を考慮したリザバー強化学習モデルの性能評価

〇(M2)玉井 克典¹、田向 権^1,2、香取 勇一³、野村 修^1,2、森江 隆^1,2 (1.九工大・生命体工、2.ニューロモルフィックAIハードウェアセンター、3.はこだて未来大)

キーワード：リザバー、アナログメモリ、強化学習

強化学習等の多値荷重を必要とするニューラルネットワークの集積回路実装はメモリ素子の様々な課題が原因でほとんど報告されていない．本研究ではリザバー強化学習モデルを用いて，その課題の1つである非線形書き込み特性を理想化しシミュレーションに組込み，モデルの学習性能を評価した．結果は想定した条件下で学習性能を著しく低下させることはないものの，飽和的な特性による学習回数の増加傾向がみられた．