JP2019159705A - 演算装置 - Google Patents
演算装置 Download PDFInfo
- Publication number
- JP2019159705A JP2019159705A JP2018044541A JP2018044541A JP2019159705A JP 2019159705 A JP2019159705 A JP 2019159705A JP 2018044541 A JP2018044541 A JP 2018044541A JP 2018044541 A JP2018044541 A JP 2018044541A JP 2019159705 A JP2019159705 A JP 2019159705A
- Authority
- JP
- Japan
- Prior art keywords
- arithmetic
- unit
- magnetic
- arithmetic unit
- storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
- G06F15/78—Architectures of general purpose stored program computers comprising a single central processing unit
- G06F15/7839—Architectures of general purpose stored program computers comprising a single central processing unit with memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
- H10B—ELECTRONIC MEMORY DEVICES
- H10B61/00—Magnetic memory devices, e.g. magnetoresistive RAM [MRAM] devices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Neurology (AREA)
- Mram Or Spin Memory Techniques (AREA)
- Hall/Mr Elements (AREA)
Abstract
Description
図面は模式的または概念的なものであり、各部分の厚さと幅との関係、部分間の大きさの比率などは、必ずしも現実のものと同一とは限らない。同じ部分を表す場合であっても、図面により互いの寸法や比率が異なって表される場合もある。
本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
図1(a)及び図1(b)は、第1実施形態に係る演算装置を例示する模式図である。 図1(a)に示すように、実施形態に係る演算装置110は、記憶ユニット10U及び演算ユニット20Uを含む。記憶ユニット10Uは、例えば、磁気トラックを含む。演算ユニット20Uは、例えば、積和演算を行う。演算ユニット20Uは、判断を行っても良い。演算ユニット20Uは、例えば、FPGAである。
図1(b)に示すように、複数の演算ユニットPRUの1つは、記憶部10及び演算部20を含む。記憶部10は、複数の記憶領域10Rを含む。複数の記憶領域10Rの少なくとも1つは、ライン状磁性部10Lを含む。ライン状磁性部10Lは、例えば、磁気トラック10Tである。ライン状磁性部10Lの長さは、ライン状磁性部10Lの幅及び高さよりも長い。ライン状磁性部10Lにおける磁化の向きが、記憶される情報に対応する。
図2及び図3は、第1実施形態に係る演算装置を例示する模式図である。
図2に示すように、図1(b)に示す記憶部10(演算ユニットPRU)が、複数設けられる。演算ユニットPRUは、例えば、サブコアに対応する。演算部20は、複数の記憶部10に保持されるデータを用いて演算(例えば積和演算)を行う。複数の記憶部10及び演算部20が、1つの演算ユニットPRUに含まれる。図3に示すように、複数の演算ユニットPRUが設けられる。大規模な演算が可能になる。
図4は、演算装置に適用されるモデルを例示する模式図である。
図4は、制限ボルツマン・マシンの構成を例示している。制限ボルツマン・マシンは、m個のノードvj(j=1,2,…,m)を含む可視層と、n個のノードhi(i=1,2,…,n)を含む隠れ層と、それらを結合するリンクwijと、を含む。ノードおよびリンクは、それぞれニューロンおよびシナプスに対応する。外部データが、可視層のニューロンvjに読み込まれる。ニューロンvjに読み込まれた外部データに基づいて、シナプスwijの学習が行われる。
図5は、記憶部10に設けられる記憶領域10R(ライン状磁性部10L)を例示している。ライン状磁性部10Lは、複数の磁壁10Wを含む。例えば、ライン状磁性部10Lを流れる電流に応じて、磁壁10Wがライン状磁性部10L内を移動する。2つの磁壁10Wの間の領域(磁区)が、記憶を保持する領域に対応する。ライン状磁性部10Lにおける磁化の向きが、記憶される情報に対応する。
図1(b)において、1つの演算ユニットPRUは、サブコアに対応する。サブコアは、例えば、演算の最小単位に対応する。
図6は、上記の演算の例を示している。図6に示すように、初期パラメタを書き込む(ステップS110)。例えば、シナプスのパラメタ「wij」の初期値、可視層のパラメタ「bj」(バイアス磁場)の初期値、及び、隠れ層のパラメタ「ci」(バイアス磁場)の初期値を、ライン状磁性部10L(磁気トラック10T)に書き込む。
図7(a)〜図7(c)は、第2実施形態に係る演算装置のモデルを例示する模式図である。
図8は、第2実施形態に係る演算装置の動作を例示するフローチャート図である。
図7(a)〜図7(c)に示すモデルは、深層学習の1つのモデルである。この例では、ディープ・ボルツマン・マシン(DBM)を例に、第2実施形態について説明する。DBMにおいては、複数の隠れ層が階層的に積みあげられる。
図9は、本実施形態に係る演算装置120におけるサブコア(演算ユニットPRU)の例を示している。既に説明したように、サブコアは、演算の最小単位である。
図10は、第3実施形態に係る演算装置のモデルを例示する模式図である。
図10に示すように、第3実施形態においては、ESN(Echo State Network)と呼ばれるモデルが採用される。第3実施形態に係る演算装置は、例えば、リザーバ・コンピュータ(RC)である。
図11は、入力部15aを例示している。図12は、リザーバ部15bを例示している。図13は、第1出力部15dを例示している。図14は、第2出力部15eを例示している。
例えば、初期パラメタを書き込む(ステップS310)。例えば、シナプスのパラメタの初期値、及び、変数xjの初期値を書き込む。パラメタの初期値は、「win ij」の初期値、「wij」の初期値、及び、「wout ij」の初期値を含む。
図16に示すように、記憶部10は、第1素子17Aを含んでも良い。第1素子17Aは、例えば、書き込み素子である。第1素子17Aは、第1磁性層17a及び第1非磁性層17naを含む。第1非磁性層17naは、第1磁性層17aと、ライン状磁性部10Lの第1部分p1と、間に設けられる。
Claims (9)
- 1つまたは複数の演算ユニットを備え、
前記1つまたは複数の前記演算ユニットの1つは、
複数の記憶領域を含む記憶部と、
演算部と、
を含み、
前記複数の記憶領域の少なくとも1つはライン状磁性部を含む、演算装置。 - 前記演算装置は、学習可能である、請求項1記載の演算装置。
- 前記ライン状磁性部は、磁性トラックを含む、請求項1または2に記載の演算装置。
- 前記ライン状磁性部は、磁壁を含み、
前記ライン状磁性部を流れる電流に応じて、前記磁壁が前記ライン状磁性部内を移動する、請求項1〜3のいずれか1つに記載の演算装置。 - 前記複数の演算ユニットの少なくとも2つは、並列に動作する、請求項1〜4のいずれか1つに記載の演算装置。
- 前記複数の演算ユニットの前記1つに含まれる前記記憶部の記憶容量は、104ビット以下である、請求項1〜5のいずれか1つに記載の演算装置。
- 前記記憶部は、第1素子を含み、
前記第1素子は、
第1磁性層と、
前記第1磁性層と、前記ライン状磁性部の第1部分と、の間に設けられた第1非磁性層と、
を含む、請求項1〜6のいずれか1つに記載の演算装置。 - 前記記憶部は、第2素子を含み、
前記第2素子は、
第2磁性層と、
前記第2磁性層と、前記ライン状磁性部の第2部分と、の間に設けられた第2非磁性層と、
を含む、請求項1〜7のいずれか1つに記載の演算装置。 - 前記記憶部は、第3素子を含み、
前記第3素子は、
第3磁性層と、
第4磁性層と、
前記第3磁性層と前記第4磁性層との間に設けられた第3非磁性層と、
を含む、請求項1〜8のいずれか1つに記載の演算装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044541A JP6826063B2 (ja) | 2018-03-12 | 2018-03-12 | 演算装置 |
US16/120,583 US10698860B2 (en) | 2018-03-12 | 2018-09-04 | Arithmetic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018044541A JP6826063B2 (ja) | 2018-03-12 | 2018-03-12 | 演算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019159705A true JP2019159705A (ja) | 2019-09-19 |
JP6826063B2 JP6826063B2 (ja) | 2021-02-03 |
Family
ID=67842707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018044541A Active JP6826063B2 (ja) | 2018-03-12 | 2018-03-12 | 演算装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10698860B2 (ja) |
JP (1) | JP6826063B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010205931A (ja) * | 2009-03-03 | 2010-09-16 | Fujitsu Ltd | 磁気記憶デバイスの製造方法及び磁気記憶装置 |
WO2017183573A1 (ja) * | 2016-04-21 | 2017-10-26 | Tdk株式会社 | 磁壁利用型アナログメモリ素子および磁壁利用型アナログメモリ |
JP2017204833A (ja) * | 2016-05-13 | 2017-11-16 | 株式会社東芝 | 発振器及び演算装置 |
US20180039881A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Racetrack synapse for neuromorphic applications |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2664072A1 (fr) | 1990-06-29 | 1992-01-03 | Thomson Csf | Systeme de calcul neuronal. |
US8127075B2 (en) | 2007-07-20 | 2012-02-28 | Seagate Technology Llc | Non-linear stochastic processing storage device |
US10592802B2 (en) * | 2016-02-28 | 2020-03-17 | Purdue Research Foundation | Electronic synapse having spin-orbit torque induced spike-timing dependent plasticity |
JP6817922B2 (ja) | 2017-05-18 | 2021-01-20 | 株式会社東芝 | 演算装置 |
US11169732B2 (en) | 2017-05-18 | 2021-11-09 | Kabushiki Kaisha Toshiba | Computing device |
-
2018
- 2018-03-12 JP JP2018044541A patent/JP6826063B2/ja active Active
- 2018-09-04 US US16/120,583 patent/US10698860B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010205931A (ja) * | 2009-03-03 | 2010-09-16 | Fujitsu Ltd | 磁気記憶デバイスの製造方法及び磁気記憶装置 |
WO2017183573A1 (ja) * | 2016-04-21 | 2017-10-26 | Tdk株式会社 | 磁壁利用型アナログメモリ素子および磁壁利用型アナログメモリ |
JP2017204833A (ja) * | 2016-05-13 | 2017-11-16 | 株式会社東芝 | 発振器及び演算装置 |
US20180039881A1 (en) * | 2016-08-04 | 2018-02-08 | International Business Machines Corporation | Racetrack synapse for neuromorphic applications |
Non-Patent Citations (1)
Title |
---|
XUANYAO FONG ET AL.: ""Spin-Transfer Torque Devices for Logic and Memory: Prospects and Perspectives"", IEEE TRANSACTIONS ON COMPUTER-AIDED DESGIN OF INTEGRATED CIRCUITS AND SYSTEMS [ONLINE], vol. 35, no. 1, JPN6020031220, 9 October 2015 (2015-10-09), ISSN: 0004332013 * |
Also Published As
Publication number | Publication date |
---|---|
US10698860B2 (en) | 2020-06-30 |
JP6826063B2 (ja) | 2021-02-03 |
US20190278740A1 (en) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11501131B2 (en) | Neural network hardware accelerator architectures and operating method thereof | |
Tang et al. | # exploration: A study of count-based exploration for deep reinforcement learning | |
Chen et al. | ReGAN: A pipelined ReRAM-based accelerator for generative adversarial networks | |
JP7146751B2 (ja) | レイアウト設計システム及びレイアウト設計方法 | |
Gokmen et al. | Acceleration of deep neural network training with resistive cross-point devices: Design considerations | |
Liu et al. | Low‐power computing with neuromorphic engineering | |
Kan et al. | A probabilistic logic neuron network for associative learning | |
Zheng et al. | Learning in energy-efficient neuromorphic computing: algorithm and architecture co-design | |
US11169732B2 (en) | Computing device | |
TWI699762B (zh) | 使用半導體記憶元件之類神經網路運算電路及動作方法 | |
Luitel et al. | Quantum inspired PSO for the optimization of simultaneous recurrent neural networks as MIMO learning systems | |
Yan et al. | Training memristor-based multilayer neuromorphic networks with SGD, momentum and adaptive learning rates | |
Hasan et al. | A fast training method for memristor crossbar based multi-layer neural networks | |
Wiwatcharakoses et al. | A self-organizing incremental neural network for continual supervised learning | |
Merrild et al. | HyperNTM: evolving scalable neural turing machines through HyperNEAT | |
Wang et al. | Mapping the BCPNN learning rule to a memristor model | |
JP6817922B2 (ja) | 演算装置 | |
JP6826063B2 (ja) | 演算装置 | |
Liao et al. | Weighted synapses without carry operations for RRAM-based neuromorphic systems | |
JP6902000B2 (ja) | 演算装置 | |
Slavova et al. | Mathematical analysis of memristor CNN | |
Nowshin | Spiking neural network with memristive based computing-in-memory circuits and architecture | |
Bala et al. | Learning method for ex-situ training of memristor crossbar based multi-layer neural network | |
Meng et al. | A kind of artificial intelligence model based on nature without statistic | |
Williams et al. | OSTP nanotechnology-inspired grand challenge: Sensible machines (extended version 2.5) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200630 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200825 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201007 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210114 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6826063 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |