MITの新しい「脳チップ」が利用可能になりました。これは数万の人工脳シナプスで構成されており、超複雑な計算を実行できます。

[[330335]]

画像出典: Panoramic Vision

「小型化」は生活をより便利にする技術の重要な部分です。ある日、巨大なスーパーコンピューターをポケットに収まるほど小型化できる日を想像してみてください。小型の人工知能の頭脳を持ち歩くことができ、その小さな本体で巨大なアルゴリズムを実行し、スーパーコンピューターやインターネット、クラウド コンピューティングなしでも動作できるようになります。

そして、これはもはや単なる達成不可能な空想ではありません。

現在、MITのエンジニアたちは、私たちをその未来に一歩近づける「脳チップ」を設計しました。研究者が使用したチップは物理的には紙吹雪よりも小さいが、技術者たちはその上に何千もの「人工脳シナプス」を配置した。「メモリスタ」と呼ばれるこのシリコンベースの部品は、人間の脳における情報伝達のシナプス構造を模倣することができる。

この最新の研究結果は最近、Nature Nanotechnology誌に掲載されました。

この研究は、脳の神経構造を模倣した方法で情報を処理する新しいタイプの回路に基づく電子デバイスであるニューロモルフィック・メモリスタの有望な新設計を実証しています。このような脳にヒントを得た回路を小型のポータブルデバイスに埋め込むことで、今日のスーパーコンピューターでしか処理できない複雑な計算タスクを実行できるようになります。

このシナプスは、他の既存の人工脳シナプスに比べて性能が向上しており、1 つのチップ上に組み合わせることができます。研究者らは、この研究成果は、小型でエネルギー効率が高く、データセンターに接続する必要がなく、複雑な人工知能計算をローカルで処理できるデバイスの開発に役立つ可能性があると述べている。

脳チップ：小型で持ち運び可能、スーパーコンピュータに匹敵

この最新の研究では、MITのエンジニアは脳のシナプスをシミュレートする材料として銀を使用するという伝統を破り、代わりに銅と銀の合金を使用してメモリスタを構築しました。新しいメモリスタは、キャプテン・アメリカの盾のグレースケール画像を記憶して再現し、MIT のキリアン・コートの画像を鮮明化したりぼかしたりすることで確実に変更することができました。

研究チームは、銀、銅、シリコンの合金からメモリスタを作ることで、数万個のメモリスタを搭載した1ミリメートル四方のシリコンチップを作成できることを発見したと述べた。研究では、このチップは非常に詳細な画像を効果的に「記憶」し、繰り返し思い出すことができ、「記憶された」画像は、これまでに登場した他のタイプのシミュレートされた脳回路よりも鮮明で詳細であることも判明した。

これらのテストは大したことではないように思えるかもしれないが、チームは、このようなチップ設計は、小型でポータブルな人工知能デバイスが、現在はスーパーコンピューターでしか実行できないより複雑なコンピューティングタスクを実行できるようにするための重要なステップであると考えている。

チームの最終的な目標は、マイクロスケールの技術を使用して、大規模で複雑な人工ニューラル ネットワークを再現することです。 「これまで、人工シナプスネットワークはソフトウェアの形で存在していました」とMIT機械工学准教授のジェファン・キム氏は語る。「私たちはポータブルAIシステム用の実際のニューラルネットワークハードウェアを構築しようとしています。」

これらのニューラル ネットワークは現在、実行に大量の GPU コンピューティング パワーを必要とするソフトウェアに基づいていますが、専用のハードウェアに変換されれば、これらの小さなチップを携帯電話やカメラなどの小型デバイスにインストールすることができ、目覚ましい技術革新をもたらすことができます。

「ニューロモルフィックデバイスを車のカメラに接続し、インターネットに接続しなくても、光や物体を認識して即座に判断できるようになることを想像してみてください。」

もちろん、ニューロモルフィックチップに取り組んでいる機関は MIT だけではありません。 Apple、Google、Microsoft、Intel はそれぞれ独自のバージョンの機械学習ハードウェアを持っています。 Intel の Lohi チップは、1,024 個の人工ニューロンを使用して脳をシミュレートします。

人工脳シナプス

メモリトランジスタとも呼ばれるメモリスタは、ニューロモルフィック コンピューティングの基本要素です。ニューロモルフィック デバイスでは、メモリスタは脳内のシナプス、つまり 2 つのニューロン間の接続ポイントのように機能します。脳のシナプスは、あるニューロンからイオンの形で信号を受信し、対応する信号を次のニューロンに送信します。

従来の回路のトランジスタは、2 つの状態 (0 または 1) を切り替えることでのみ情報を伝送することができ、受信する電流信号が一定の強度の場合にのみ切り替えを行います。これが現代のコンピューターの基礎となっています。

対照的に、メモリ要素は、人間の脳の原始的なプロトタイプに近い勾配値を提供できます。生成される信号は、受信する信号の強度によって異なります。つまり、1 つのメモリスタが複数の値を持つことができ、バイナリ トランジスタよりも広範囲の操作を実行できます。

また、脳のシナプスと同様に、メモリスタは特定の電流強度に関連付けられた値を「記憶」し、次に同様の電流を受け取ったときにまったく同じ信号を生成することができます。これにより、複雑な方程式に対する正確な答えや、オブジェクトの信頼性の高い視覚的分類が保証されます。これは通常、複数のトランジスタとコンデンサを必要とする作業です。

しかし、既存のメモリスタ設計ではパフォーマンスが制限されています。単一のメモリスタは、「スイッチング媒体」または電極間の空間によって分離された正極と負極で構成されます。一方の電極に電圧が加えられると、イオンはその電極から媒体を通って流れ、もう一方の電極への「伝導チャネル」を形成します。受信されたイオンは、メモリスタが回路を介して送信する電気信号を構成します。イオンチャネルのサイズ（そして最終的にはメモリスタによって生成される信号）は、刺激電圧の強度に比例するはずです。

伝導チャネルが薄ければ薄いほど、一方の電極から他方の電極へ流れるイオンは軽くなり、個々のイオンがまとまるのが難しくなり、分離する傾向があります。したがって、ある狭い範囲の電流刺激では、受信電極が同じ数のイオンを確実に捕捉して同じ信号を送信することは困難です。

キム氏はまた、既存のメモリスタ設計は、電圧が大きな伝導チャネルを刺激したり、ある電極から別の電極へのイオンの大きな流れを刺激したりする場合にうまく機能すると述べた。しかし、メモリスタがより細い伝導チャネルを通じてより微細な信号を生成する必要がある場合、メモリスタは困難に直面します。

「冶金学」を利用して新しい材料を鋳造する

エンジニアは通常、メモリスタの正極の材料として銀を使用します。 「伝統的に、冶金学者はバルクマトリックスにさまざまな原子を追加することで材料を強化しようとします。そこで私たちは、メモリスタ内の原子相互作用を調整し、合金元素を追加して媒体内のイオンの動きを制御できないかと考えました」とキム氏は語った。

そこで研究者たちは冶金学の概念を借用した。冶金学者が金属の特性を変えたい場合、望ましい特性を持つ別の金属と組み合わせて合金を作るのだ。

研究チームは、メモリスタの正極の銀と結合して、非常に細い伝導チャネルに沿ってイオンをより安定的かつ確実に輸送し、銀イオンが他の電極に素早く流れるようにできる材料を文献で探しました。

研究チームが銅に着目したのは、銀やシリコンとの結合性が高いためだ。 「これはブリッジとして機能し、銀とシリコンの界面を安定化させます」とキム氏は語った。

新しい合金でメモリスタを作成するために、研究チームはまずシリコンで負極を作り、次に少量の銅を堆積させて正極を作り、続いて銀の層を作り、最後に2つの電極をアモルファスシリコン誘電体で挟み込んだ。このようにして、彼らは数千個のメモリスタを使用して 1 ミリメートル四方のシリコン チップを作成しました。

チップの最初のテストでは、キャプテン・アメリカの盾のグレースケール画像を再現した。彼らは、画像内の各ピクセルをチップ内の対応するメモリスタと同等とみなしました。次に、各メモリスタの伝導性を調整し、これらの伝導性の強さを対応するピクセルの色に関連付けました。実験により、他の材料で作られたチップと比較して、このチップはシールドの同様に鮮明な画像を生成でき、その画像を「記憶」して複数回複製できることがわかった。

研究チームはチップ上で画像処理も実行し、画像を変更するようにメモリスタをプログラムしました。与えられたケースでは、研究者は元の画像を鮮明にしたりぼかしたりするなど、いくつかの特定の方法を使用しました。同様に、彼らの設計は、既存のメモリスタ設計よりも確実に再プログラムされた画像を生成しました。

「私たちは人工シナプスを使って実際の推論テストを行っています」とキム氏は言う。「この技術をさらに発展させて、画像認識タスク用のより大きなアレイを実現したいと考えています。いつの日か、スーパーコンピューターやインターネット、クラウドに接続することなく、人工脳を持ち歩いてこれらのタスクを実行できるようになるでしょう。」