隠れニューラルネットワーク理論を具現化したAIチップを世界で初めて開発

March, 1, 2022, 東京--東京工業大学 科学技術創成研究院の劉載勲准教授、本村真人教授らは、末端（エッジ）機器でのAI応用の発展に向けて今後さらに重要となる、深層ニューラルネットワーク（DNN）の高効率な推論を実現する新規アクセラレータLSI[用語1]を開発した。
これまでDNN推論アクセラレータLSIを自動車などのエッジ機器に搭載・応用するとき、外部メモリアクセス時の電力消費の大きさが課題とされてきた。
　研究ではDNNの重み係数が乱数で固定されている「隠れニューラルネットワーク（Hidden Neural Network）[2020年の論文「What’s Hidden in a Randomly Weighted Neural Network?」にて発表された新しいDNN理論]」理論と呼ばれる新たなDNN理論に着目し、推論に必要な情報量と計算時の消費電力を大幅に低減する新規ハードウェア・アーキテクチャ「ヒデナイト（Hiddenite）」を世界で初めて考案した。新提案のオンチップモデル構築（On-chip Model Construction）技術によって、外部メモリアクセスを大幅に削減できることが大きな特徴である。さらに、このアーキテクチャに基づくアクセラレータLSIを製作し、世界最高レベルの高計算効率（最大34.8 TOPS/W）と、省モデルサイズDNNとして最高水準の推論精度（ImageNet70.1%）の両立ができることを実測結果で示している。
研究成果の詳細は「ISSCC2022（国際固体素子回路会議）」にて発表された（発表者：廣瀬一俊 博士後期課程3年）。
(詳細は､https://www.titech.ac.jp)