[A-1] 回路とシステム

[A-1-3] 3値勾配を用いたBNN学習アルゴリズムおよびMRAMアレイを用いたBNN

^○藤原優哉, 河原尊之 (東京理科大)

この講演は本会「学術奨励賞受賞候補者」の資格対象です。

キーワード：BNN、MRAM、SOT、VCMA

Internet of Things (IoT) エッジデバイスは限られたコンピューティングリソースしか持たないため, エッジ側で高度なAI処理を実現するためには, 回路規模/消費電力を減らす必要がある. このような背景から, ソフトウェア面からは入力, 重み, 活性化値が2値であるBinarized neural network (BNN) が提案され, ハードウェア面からは, メモリ素子をデータ格納だけでなく演算処理にも使う構造であるComputing-in-memory (CiM) が提案されている. いずれの提案も演算処理に必要なコンピューティングリソースの低減が期待されている.
本研究では, 3値勾配を用いた新たなBNN学習アルゴリズムを提案し, そのアルゴリズムを磁気抵抗メモリ (MRAM) アレイを用いたCiMアーキテクチャに適用してエッジ側でのBNNを実現した. このMRAMアレイの性能はMNISTデータセットを用いた学習で評価した.