アナログコンピュート・イン・メモリー回路で
ＴｒａｎｓｆｏｒｍｅｒとＣＮＮのハイブリッド処理を世界で初めて実現

慶應義塾大学 理工学部 電気情報工学科の吉岡 健太郎 専任講師は、エッジコンピューティングの普及に伴い、より身近なデバイスへの人工知能（ＡＩ）応用を促進するため、深層ニューラルネットワーク（ＤＮＮ）、特にＴｒａｎｓｆｏｒｍｅｒ処理の高効率な推論を実現する高精度かつ省エネルギーなコンピュート・イン・メモリー（ＣＩＭ）回路を開発しました。

本研究では、従来のＣＩＭが抱えていたＴｒａｎｓｆｏｒｍｅｒの推論に必要な演算精度を実現するために、データ格納、演算、アナログ－デジタル（Ａ／Ｄ）変換を１つのメモリーセルに集積した「容量再構成型ＣＩＭ（ＣＲ－ＣＩＭ）」構造を提案しました。この構造によって、アナログＣＩＭで初めてＴｒａｎｓｆｏｒｍｅｒ処理に必要な演算精度を達成しつつ、消費電力１ワットあたりの処理速度が８１８ＴＯＰＳ（兆回／秒）と非常に高い電力効率を実現しました。また畳み込みニューラルネットワーク（ＣＮＮ）処理を行う際は、同等の演算精度を持つ従来技術と比べ１０倍のエネルギー効率となる４０９４ＴＯＰＳ／ワットを達成しました。

本研究成果は、エッジコンピューティングやＡＩの分野で、電力効率と処理速度の両面で効率的なＡＩハードウエアの開発に貢献します。また将来的にはより多くの人々が大規模言語モデル（ＬＬＭ）といったＡＩサービスを利用しやすくなると期待されます。

研究成果の詳細は、米国時間２０２４年２月１８日から開催されている「ＩＳＳＣＣ２０２４（国際固体素子回路会議）」にて発表されました。ＩＳＳＣＣは集積回路に関するオリンピックとも称される、最難関国際会議です。