工学：合成知能のためのデンドロセントリックラーニング

現在、人工知能の進歩によって、浮動小数点乗算が2か月ごとに2倍に増えているが、半導体業界では、チップ上の乗算器のタイリングは2年ごとに2倍である。さらに、信号が相対的にますます遠くへ伝送されなければならないことから、こうした乗算器のタイリングの高密度化で得られる見返りは小さくなっている。伝送距離は、タイリングされた乗算器を三次元チップにおいて積層することで短くできるが、そうした解決策は、放熱に利用できる表面積を急激に減少させる。本論文では、シナプスによる学習から樹状突起による学習へと移行することによって、この三次元の熱的制約を超えることを提案する。シナプス入力は、正確に重み付けされるのではなく、短い樹状突起に沿って慎重に順序付けられる。私はこの方式を「デンドロセントリックラーニング（dendrocentric learning）」と呼ぶ。樹状突起の計算モデルと、それをエミュレートする強誘電体デバイスの概念モデルを用いて、私は、デンドロセントリックラーニング人工知能、略して「合成知能」が、クラウドにおいて数メガワットで動作するのではなく、スマートフォンにおいて数ワットで動作し得る仕組みを説明する。

目次へ戻る