ナノテクノロジー：シリコンにおける無秩序なドーパント原子ネットワークを用いる分類
Nature 577, 7790 doi: 10.1038/s41586-019-1901-0
分類は、生物の神経回路網と人工ニューラルネットワークの両者が得意とする重要なタスクである。機械学習では、高次元特徴空間への非線形射影によってデータが線形に分離可能になり、複雑な特徴の分類が容易になる。そうした非線形射影は、従来のコンピューターでは計算コストが高くつく。こうした非線形射影を本質的に実行する物理的な材料系は、計算密度が高く、本質的に並列性があり、エネルギー効率が高いため、そうした系を活用することは有望な手法である。しかし、既存の手法は、逐次的なデータ処理が必要で、それにより並列計算が妨げられるという系の時間ダイナミクスに頼っているか、スケールアップが困難な大きな材料系を用いているかのいずれかである。今回我々は、脳神経回路網や人工ニューラルネットワークのフィルターに着想を得たナノスケールの並列手法を用いて、非線形分類と特徴抽出を実行したことを報告する。我々は、シリコンにおける電気的に調節可能なホウ素ドーパント原子ネットワークを通したホッピング伝導の非線形性を利用して、人工進化を通してネットワークを再構成し、さまざまな計算機能を実現した。我々は最初に、標準的な2入力2値分類問題を解き、最高で室温までの温度においてブール論理ゲートを全て実現して、ナノ材料系を用いた非線形分類を実証した。次に、ドーパントネットワークを進化させて、MNIST（Modified National Institute of Standards and Technology）手書き数字データベースの4入力2値分類を実行できる特徴フィルターを実現した。材料に基づく今回のフィルターの実装によって、オリジナルデータに直接適用した線形分類器よりも分類精度がかなり向上した。今回の結果は、場所をとらずエネルギー効率の良い計算向けの、シリコンを用いたエレクトロニクスのパラダイムを確立するものである。
