シナプス不揮発性メモリデバイスにおける最近の進展と完全統合ニューロモルフィックチップに向けた補償アーキテクチャおよびアルゴリズム手法

概要 不揮発性メモリ（NVM）を基盤としたニューロモルフィックコンピューティングは、学術界および産業界から大きな注目を集めています。完全に成功しているわけではありませんが、複数の状態を格納可能なNVMを利用できるシナプスデバイスに関して顕著な成果が報告されています。生物学的神経系に類似した計算を行うアナログシナプスデバイスは、エネルギー効率の高いアナログニューロモルフィックコンピューティングシステムにおいて極めて重要です。NVMをアナログシナプスデバイスとして使用するために、研究者はデバイス特性の改善に注目しています。様々な特性の中で、オンチップ学習に必要なシナプス重みの更新の線形性と対称性が最も挑戦的です。本レビュー論文では、この点に関して、各NVMデバイスに特化した新規スキームに焦点を当てた最近のシナプスデバイスの改良を議論します。デバイスレベルの研究に加えて、単一のシナプスデバイスを超えたニューロモルフィックハードウェアシステムを実現するためには、高レベル設計の確認のためにいくつかの考慮事項と要件が必要であり、それに応じてシナプスデバイス、シナプスアレイ、電気回路、ニューラルネットワーク、アルゴリズム、実装間の共同最適化が求められるため、最近の研究成果をチップレベルの研究まで拡大してレビューします。また、本レビューではアナログシナプスデバイスの非理想性を補償するさまざまな回路およびアルゴリズムアプローチも紹介します。