電子工学：金属酸化膜メモリスターに基づく集積神経形態学的ネットワークの訓練と動作
Nature 521, 7550 doi: 10.1038/nature14441
ヒト大脳皮質には約1014個のシナプスがあり、極めて複雑なため、デバイスの数が大脳皮質に匹敵する神経形態学的ネットワークのハードウエアによる実現は、半導体集積回路技術の大きな進歩にもかかわらず極めて困難な課題である。電力損失を管理でき、動作を大幅に高速化すると同時に、大脳皮質に匹敵する複雑性を生み出すために、相補型金属酸化膜半導体（CMOS）と調整可能な二端子抵抗デバイス（メモリスター）を組み合わせた回路に基づくネットワークが開発されている。そうした回路では、通常のCMOSスタックが、各交点にメモリスターがある1層あるいは数層のクロスバー層によって拡張されている。そうしたメモリスタークロスバーの作製やCMOS回路との集積には、垂直集積の初の実証を含めて最近著しい進展が見られた。これとは別に、個別のメモリスターが神経形態学的ネットワークの人工シナプスとして用いられている。つい最近、そうした実験が相変化メモリスターデバイスのクロスバーアレイへ拡張された。しかし、相変化メモリスターデバイスを調整するには各交点にトランジスターを追加する必要があるため、こうしたデバイスの拡張は、非線形な電流–電圧曲線によってトランジスターを用いなくても動作可能な金属酸化膜メモリスターよりはるかに難しい。今回我々は、簡単なネットワーク、すなわち単層パーセプトロン（線形分類を行うアルゴリズム）において、トランジスターを用いない金属酸化膜メモリスタークロスバーを実験的に実現し、デバイスのばらつきが十分に小さいため、集積神経ネットワークの動作が可能となることを報告する。デルタルールアルゴリズムの粗視化版を使って、3 × 3画素の白黒画像を、文字を表す3つのクラスへ正確に分類するように、in situでこのネットワークに教えることができる。今回の実証結果は、ずっと大きくより複雑なメモリスター神経形態学的ネットワークへの重要な一歩となる。
