AIチップ、脳のような可能性を示す再構成可能なデバイス
人工知能が人間の脳を置き換えることは決してできない。人間の脳が新しいことを学ぶ際に適応すること自体が、その証拠だ。
パデュー大学の研究者は、脳と同様に新しいデータを得るために継続的に再構成できるコンピューターチップを開発した。これによりAIは時間をかけて学習を続けられる。脳が学習を助けるために新たなシナプス結合を絶えず形成するのとは異なり、コンピューターチップの回路は変化しない。
機械が長年使ってきた回路は、工場の機械用に作られた回路と同一である。目標は、機械が生涯にわたって学習できるプラットフォームを作ることだ。
AIをより携帯可能にするうえでは障害がある。例えば、遠隔地で自ら判断しなければならない自律走行車や宇宙ロボットなどだ。現在のようにソフトウェアではなく、AIをハードウェアに直接組み込めれば、これらの機械はより効率的になるだろう。
新たな研究によると、開発された適応型デバイスは、AIハードウェアに必要な主要な電子部品すべてに変化でき、ロボットや自律システムでの利用が見込まれる。
脳に着想を得た、いわゆる「ニューロモーフィック」コンピューティングハードウェアは、経験に基づいて適応的に学習し、極めてエネルギー効率の高い方法で情報を素早く処理するという、人間の脳の卓越した能力を模倣することを目指している。
脳のこれらの特徴は、主に可塑性に起因する。これは、ニューロンの形成、いわゆる「神経新生」などの活動を通じて、時間とともに構造と機能を変える能力である。
「神経新生の振る舞いを電子ハードウェアで模倣できれば、生涯にわたって学習する機械を作れるのではないかと考えました」と、研究の責任著者であるインディアナ州ウェストラファイエットのパデュー大学の電気工学者・材料科学者シュリラム・ラマナタン氏は語った。
ラマナタン氏と同僚らは、ニッケル酸ペロブスカイトを用いた、適応性の高いニューロモーフィックデバイスを開発した。ペロブスカイトは、過去10年間で太陽電池の性能に驚異的な進歩をもたらした結晶である。
科学者らはニッケル酸ペロブスカイトにプロトンを組み込んだ。この材料に加えられた電気パルスは、材料の格子内でプロトンを移動させ、その電子特性を変化させる。研究者らは、プロトンをドープしたこのニッケル酸ペロブスカイトで作られたデバイスを、必要に応じて抵抗器、メモリキャパシタ、ニューロン、またはシナプスへと電気的に再構成できた。
「1つのデバイスで複数のニューロモーフィック機能を実行できる。さらに、ナノ秒スケールの簡単な電気パルスによって、これらの機能を切り替えることができる。」
「このデバイスの汎用性により、多くのスペースを取り電力を大量に消費する個別の機能ブロックを避けつつ、複雑な計算課題向けのAI回路設計を簡素化できる可能性があります」と、研究共著者でパデュー大学の電気工学者・材料科学者であるマイケル・テジュン・パーク氏は述べた。同氏によれば、想定される応用分野にはロボティクスや自律システムが含まれる。
生物の脳の神経構造を模倣した人工ニューラルネットワークに新デバイスを組み込んでシミュレーションしたところ、研究者らは、新デバイスの再構成可能な性質により、ニューラルネットワークが「複雑で絶えず変化する条件下で、従来の静的ネットワークよりも効率的に判断を下せる」ことを発見した。
新デバイスは、状態切り替えを160万回繰り返しても安定した動作を示した。「さらに、初期処理後も水素イオンが長期間、6カ月以上デバイス内にとどまったことは有望です」とパーク氏は語った。
研究者らは、このデバイスが必要に応じて計算能力を拡張できるニューラルネットワーク、いわゆる拡張型ネットワークに応用できる可能性があると考えている。同様に、デバイスが定期的に非アクティブなノードを検出すれば、これらのネットワークはより効率的になるよう規模を縮小することもできる。
研究者らは、デバイスを半導体ファウンドリー工程と互換性のある技術で製造したと述べており、電子産業で容易に応用できる可能性を示唆している。
「ただし、本研究はまだ初期段階にある。これらのデバイスを使った大規模な集積テスト回路を作るには、さらに多くの作業が必要である」
研究者らは、その成果をScience誌で詳しく発表した。「再構成可能な人工ニューロンとシナプスを用いることで、シミュレーションした動的ネットワークは、段階的な学習のシナリオにおいて静的ネットワークを上回った。脳に着想を得たコンピューターの構成要素をオンデマンドで形成できることは、適応型ネットワークの新たな方向性を開く」。
