- 著者
-
竹内 健
- 出版者
- 公益社団法人 応用物理学会
- 雑誌
- 応用物理 (ISSN:03698009)
- 巻号頁・発行日
- vol.88, no.6, pp.376-381, 2019-06-10 (Released:2019-09-20)
- 参考文献数
- 6
深層学習など,機械学習に最適な不揮発性メモリを紹介する.機械学習では,ある程度のエラーを許容する(精度を落とすことができる)ことを利用して,不揮発性メモリの高速化・低電力化・低コスト化を図る.ただし,LSIのチップレベルではエラーが存在しても,機械学習を使った推論・認識の精度は落とさないようにすることが必要である.本稿では,機械学習に向けてエラーを許容した,Approximateコンピューティングを適用したSRAM・DRAM・不揮発性メモリを紹介する.メモリのみならず,深層学習のネットワーク,積和演算器(データ処理部),ネットワークなどさまざまな階層で,機械学習応用を対象としたApproximateコンピューティングの検討が行われている.機械学習に最適なコンピュータを実現するためには,これらソフト・ハードの異種レイヤを統合し,どのレイヤでどのようなエラーが許容されるかを,今後明らかにする必要がある.