フラッシュ2022年2月27日
隠れニューラルネットを実装したAIチップ、東工大が開発
by MITテクノロジーレビュー イベント事務局 [MIT Technology Review Event Producer]東京工業大学の研究チームは、深層ニューラル・ネットワーク(Deep Neural Network:DNN)理論の一種である「隠れニューラル・ネットワーク(Hidden Neural Network:HNN)」理論を実装したアクセラレーター・チップを開発した。
自動運転やロボットなどで使われる画像認識では、カメラで撮影した画像・映像をその場で推論・判断するため、消費電力の増大が課題となっている。深層学習ではDNN の構造が複雑化することで計算量が増大し、特にDNNモデルの「重み」といった計算パラメーターをメモリーから読み込む際に電力を消費する。一方、HNNでは重みを学習せず、乱数の初期値のまま固定するため、メモリーからの大量のデータ転送が発生せず、電力消費量を節約できる。HNNでは演算時に「スーパーマスク」と固定の乱数の論理積を取り、このスーパーマスクのデータはメモリから転送する。スーパーマスクのデータは圧縮が可能なため、メモリーからのデータ転送量と電力消費量を節約できる。
研究チームは、TSMCの40nmプロセスでプロトタイプ・チップを試作。寸法は3ミリメートル四方と小さいが4096個の演算器を並列動作させることが可能で、演算効率は世界トップレベルの34.8 TOPS/Wを記録した。研究成果は2月20日開催の「ISSCC2022(国際固体素子回路会議)」で発表された。
(笹田)
- 人気の記事ランキング
- The Biggest Questions: Are we alone in the universe? 地球外生命体は存在するか? 人類の先入観を超えた探索
- Google DeepMind wants to define what counts as artificial general intelligence 汎用人工知能(AGI)とは何か? ディープマインドが定義を提案
- Huawei’s 5G chip breakthrough needs a reality check 中国テック事情:ファーウェイ「独自チップ」衝撃も厳しい現実
- Text-to-image AI models can be tricked into generating disturbing images AIモデル、「脱獄プロンプト」で不適切な画像生成の新手法