JP2023076598A - 情報検索の方法 - Google Patents

Abstract

【課題】高い精度で情報を検索できる、情報検索システムまたは知的財産情報検索システムを提供する。【解決手段】処理部を有する知的財産情報検索システムである。処理部には、第１のデータと、第１の参照用解析データと、が入力される。第１のデータは、第１の知的財産の情報を有する。第１の参照用解析データは、複数の第２の知的財産の情報を有する。処理部は、第１の参照用解析データから、第１のデータと類似するデータを検索することで、第２のデータを生成する機能を有する。処理部は、第２のデータを出力する機能を有する。第２のデータは、第１の知的財産の情報と類似する第２の知的財産の情報と、第２の知的財産の情報の第１の知的財産の情報に対する類似性の高さを示す情報と、を有する。【選択図】図２

Description

本発明の一態様は、情報検索システム及び情報検索方法に関する。本発明の一態様は、知
的財産情報検索システム及び知的財産情報検索方法に関する。

なお、本発明の一態様は、上記の技術分野に限定されない。本発明の一態様の技術分野と
しては、半導体装置、表示装置、発光装置、蓄電装置、記憶装置、電子機器、照明装置、
それらの駆動方法、又はそれらの製造方法を一例として挙げることができる。

出願前の発明に関し先行技術調査を行うことで、関連する知的財産権が存在するか否かを
調査することができる。先行技術調査を行うことで得られた国内外の特許文献及び論文な
どは、発明の新規性及び進歩性の確認、並びに、特許を出願するか否かの判断に、利用す
ることができる。また、先行技術調査は、工業製品または論文に関連する知的財産権が存
在するか否かを調査するなど、様々な目的で利用される。

例えば、特許文献を検索するシステムに、使用者がキーワードを入力することで、そのキ
ーワードを含む特許文献を出力することができる。

このようなシステムを用いて高い精度で先行技術調査を行うためには、適切なキーワード
で検索すること、さらに、出力された多くの特許文献から必要な特許文献を抽出すること
など、使用者に高いスキルが求められる。

また、様々な用途において、人工知能の活用が検討されている。特に、人工ニューラルネ
ットワークなどを利用することで、従来のノイマン型コンピュータよりも高性能なコンピ
ュータが実現できると期待されており、近年、電子回路上で人工ニューラルネットワーク
を構築する種々の研究が進められている。

例えば、特許文献１には、チャネル形成領域に酸化物半導体を有するトランジスタを用い
た記憶装置によって、人工ニューラルネットワークを用いた計算に必要な重みデータを保
持する発明が開示されている。

米国特許公開第２０１６／０３４３４５２号公報

そこで、本発明の一態様は、高い精度で情報を検索できる、情報検索システムまたは知的
財産情報検索システムを提供することを課題の一つとする。または、本発明の一態様は、
高い精度で情報を検索できる、情報検索方法または知的財産情報検索方法を提供すること
を課題の一つとする。または、本発明の一態様は、簡便な入力方法で、精度の高い情報検
索、特に知的財産情報の検索を実現することを課題の一つとする。

なお、これらの課題の記載は、他の課題の存在を妨げるものではない。本発明の一態様は
、必ずしも、これらの課題の全てを解決する必要はないものとする。明細書、図面、請求
項の記載から、これら以外の課題を抽出することが可能である。

本発明の一態様は、処理部を有する情報検索システムである。処理部には、第１のデータ
と、第１の参照用解析データと、が入力される。第１のデータは、第１の情報を有する。
第１の参照用解析データは、複数の第２の情報を有する。処理部は、第１の参照用解析デ
ータから、第１のデータと類似するデータを検索することで、第２のデータを生成する機
能を有する。処理部は、第２のデータを出力する機能を有する。第２のデータは、第１の
情報と類似する第２の情報と、第２の情報の第１の情報に対する類似性の高さを示す第３
の情報と、を有する。

本発明の一態様は、処理部を有する知的財産情報検索システムである。処理部には、第１
のデータと、第１の参照用解析データと、が入力される。第１のデータは、第１の知的財
産の情報を有する。第１の参照用解析データは、複数の第２の知的財産の情報を有する。
処理部は、第１の参照用解析データから、第１のデータと類似するデータを検索すること
で、第２のデータを生成する機能を有する。処理部は、第２のデータを出力する機能を有
する。第２のデータは、第１の知的財産の情報と類似する第２の知的財産の情報と、第２
の知的財産の情報の第１の知的財産の情報に対する類似性の高さを示す情報と、を有する
。

第１のデータは、文章データを有していてもよい。第１の参照用解析データは、参照用文
章解析データを有していてもよい。処理部は、第１の文章解析部と、第２の文章解析部と
、第３の文章解析部と、を有していてもよい。第１の文章解析部は、文章データの形態素
解析を行うことで、第１の文章解析データを生成する機能を有する。第２の文章解析部は
、第１の文章解析データを用いて文章データに含まれる単語の出現頻度を求めることで、
第２の文章解析データを生成する機能を有する。第３の文章解析部は、第２の文章解析デ
ータと、参照用文章解析データと、を比較することで、第２のデータの少なくとも一部を
生成する機能を有する。第２の文章解析部は、ニューラルネットワークを用いて、第２の
文章解析データを生成する機能を有していてもよい。第２の文章解析部は、ニューラルネ
ットワーク回路を有していてもよい。

第１のデータは、画像データを有していてもよい。第１の参照用解析データは、参照用画
像解析データを有していてもよい。処理部は、第１の画像解析部と、第２の画像解析部と
、を有していてもよい。第１の画像解析部は、学習モデルに画像データを入力することで
、第１の画像解析データを生成する機能を有する。第２の画像解析部は、第１の画像解析
データと、参照用画像解析データと、を用いて、第２のデータの少なくとも一部を生成す
る機能を有する。第１の画像解析部は、ニューラルネットワークを用いて、第１の画像解
析データを生成する機能を有していてもよい。第１の画像解析部は、ニューラルネットワ
ーク回路を有していてもよい。

第１のデータは、文章データと、画像データと、を有していてもよい。第１の参照用解析
データは、参照用文章解析データと、参照用画像解析データと、を有していてもよい。処
理部は、文章解析部と、画像解析部と、第１の解析部と、第２の解析部と、を有していて
もよい。第１の解析部は、第１のデータを、文章データと、画像データと、に分ける機能
を有する。文章解析部には、文章データと、参照用文章解析データと、が入力される。文
章解析部は、参照用文章解析データから、文章データと類似するデータを検索することで
、文章解析データを生成する機能を有する。画像解析部には、画像データと、参照用画像
解析データと、が入力される。画像解析部は、参照用画像解析データから、画像データと
類似するデータを検索することで、画像解析データを生成する機能を有する。第２の解析
部には、文章解析データと、画像解析データと、が入力される。第２の解析部は、文章解
析データと、画像解析データと、を用いて、第２のデータの少なくとも一部を生成する機
能を有する。

情報検索システムまたは知的財産情報検索システムは、さらに、記憶部を有していてもよ
い。記憶部は、第１の参照用解析データを有する。

処理部には、さらに、第２の参照用解析データが入力されてもよい。第２の参照用解析デ
ータは、複数の第３の知的財産の情報を有する。第１の参照用解析データ及び第２の参照
用解析データのうち一方は、特許文献の情報を有し、他方は、工業製品の情報を有する。
処理部は、第２の参照用解析データから、第１のデータと類似するデータを検索すること
で、第３のデータを生成する機能を有する。処理部は、第３のデータを出力する機能を有
する。第３のデータは、第１の知的財産の情報と類似する第３の知的財産の情報と、第３
の知的財産の情報の第１の知的財産の情報に対する類似性の高さを示す情報と、を有する
。

例えば、第１のデータは、工業製品の技術情報と、工業製品の発売日の情報と、を有し、
かつ、第２のデータは、出願日が当該工業製品の発売日よりも早い第１の特許文献の情報
を有していてもよい。

例えば、第１のデータは、第１の特許文献の情報と、第１の特許文献の出願日の情報と、
を有し、かつ、第２のデータは、出願日が第１の特許文献の出願日よりも早い第２の特許
文献の情報を有していてもよい。第２の特許文献の出願人は、第１の特許文献の出願人と
は異なっていてもよい。

情報検索システムまたは知的財産情報検索システムは、さらに、電子機器と、サーバと、
を有していてもよい。電子機器は、第１の通信部を有する。サーバは、処理部と、第２の
通信部と、を有する。第１の通信部は、有線通信及び無線通信のうち一方または双方によ
り、サーバに第１のデータを供給する機能を有する。処理部は、第２の通信部に第２のデ
ータを供給する機能を有する。第２の通信部は、有線通信及び無線通信のうち一方または
双方により、電子機器に第２のデータを供給する機能を有する。

処理部は、トランジスタを有していてもよい。トランジスタは、チャネル形成領域に金属
酸化物を有していてもよい。または、トランジスタは、チャネル形成領域にシリコンを有
していてもよい。

本発明の一態様は、第１の情報を有する第１のデータと、複数の第２の情報を有する第１
の参照用解析データと、を入力し、第１の参照用解析データから、第１のデータと類似す
るデータを検索して、第１の情報と類似する第２の情報と、第２の情報の第１の情報に対
する類似性の高さを示す情報と、を有する第２のデータを生成し、第２のデータを出力す
る、情報検索方法である。

本発明の一態様は、第１の知的財産の情報を有する第１のデータと、複数の第２の知的財
産の情報を有する第１の参照用解析データと、を入力し、第１の参照用解析データから、
第１のデータと類似するデータを検索して、第１の知的財産の情報と類似する第２の知的
財産の情報と、第２の知的財産の情報の第１の知的財産の情報に対する類似性の高さを示
す情報と、を有する第２のデータを生成し、第２のデータを出力する、知的財産情報検索
方法である。

第１のデータに含まれる文章データの形態素解析を行うことで、第１の文章解析データを
生成し、第１の文章解析データを用いて、文章データに含まれる単語の出現頻度を求める
ことで、第２の文章解析データを生成し、第２の文章解析データと、第１の参照用解析デ
ータに含まれる参照用文章解析データと、を比較することで、第２のデータの少なくとも
一部を生成してもよい。ニューラルネットワークを用いて、第２の文章解析データを生成
してもよい。

第１のデータに含まれる画像データを学習モデルに入力することで、第１の画像解析デー
タを生成し、第１の画像解析データと、第１の参照用解析データに含まれる参照用画像解
析データと、を用いて、第２のデータの少なくとも一部を生成してもよい。ニューラルネ
ットワークを用いて、第１の画像解析データを生成してもよい。

第１のデータを、文章データと、画像データと、に分け、第１の参照用解析データに含ま
れる参照用文章解析データから、文章データと類似するデータを検索することで、文章解
析データを生成し、第１の参照用解析データに含まれる参照用画像解析データから、画像
データと類似するデータを検索することで、画像解析データを生成し、文章解析データと
、画像解析データと、を用いて、第２のデータの少なくとも一部を生成してもよい。

さらに、複数の第３の知的財産の情報を有する第２の参照用解析データを入力し、第２の
参照用解析データから、第１のデータと類似するデータを検索することで、第１の知的財
産の情報と類似する第３の知的財産の情報と、第３の知的財産の情報の第１の知的財産の
情報に対する類似性の高さを示す情報と、を有する第３のデータを生成し、第３のデータ
を出力してもよい。

本発明の一態様により、高い精度で情報を検索できる、情報検索システムまたは知的財産
情報検索システムを提供できる。または、本発明の一態様により、高い精度で情報を検索
できる、情報検索方法または知的財産情報検索方法を提供できる。または、本発明の一態
様により、簡単な入力方法で、精度の高い情報検索、特に知的財産情報の検索を実現でき
る。

なお、これらの効果の記載は、他の効果の存在を妨げるものではない。本発明の一態様は
、必ずしも、これらの効果の全てを有する必要はない。明細書、図面、請求項の記載から
、これら以外の効果を抽出することが可能である。

知的財産情報検索システムの一例を示すブロック図。 知的財産情報検索方法の一例を示すフロー図。 処理部の一例を示すブロック図。 参照用解析データの生成方法の一例を示すフロー図。 参照用解析データの生成方法の一例を示す図。 知的財産情報検索方法の一例を示すフロー図。 知的財産情報検索方法の一例を示す図。 処理部の一例を示すブロック図。 参照用解析データの生成方法の一例を示すフロー図。 参照用解析データの生成方法の一例を示す図。 知的財産情報検索方法の一例を示すフロー図。 知的財産情報検索方法の一例を示す図。 処理部の一例を示すブロック図。 知的財産情報検索方法の一例を示すフロー図。 知的財産情報検索方法の一例を示す図。 処理部の一例を示すブロック図。 知的財産情報検索方法の一例を示すフロー図。 知的財産情報検索システムの一例を示すブロック図。 ニューラルネットワークの構成例を示す図。 半導体装置の構成例を示す図。 メモリセルの構成例を示す図。 オフセット回路の構成例を示す図。 タイミングチャート。

実施の形態について、図面を用いて詳細に説明する。但し、本発明は以下の説明に限定さ
れず、本発明の趣旨及びその範囲から逸脱することなくその形態及び詳細を様々に変更し
得ることは当業者であれば容易に理解される。従って、本発明は以下に示す実施の形態の
記載内容に限定して解釈されるものではない。

なお、以下に説明する発明の構成において、同一部分又は同様な機能を有する部分には同
一の符号を異なる図面間で共通して用い、その繰り返しの説明は省略する。また、同様の
機能を指す場合には、ハッチパターンを同じくし、特に符号を付さない場合がある。

また、図面において示す各構成の、位置、大きさ、範囲などは、理解の簡単のため、実際
の位置、大きさ、範囲などを表していない場合がある。このため、開示する発明は、必ず
しも、図面に開示された位置、大きさ、範囲などに限定されない。

なお、「膜」という言葉と、「層」という言葉とは、場合によっては、又は、状況に応じ
て、互いに入れ替えることが可能である。例えば、「導電層」という用語を、「導電膜」
という用語に変更することが可能である。または、例えば、「絶縁膜」という用語を、「
絶縁層」という用語に変更することが可能である。

（実施の形態１）
本実施の形態では、本発明の一態様の情報検索システムについて、図１～図１８を用いて
説明する。

本発明の一態様の情報検索システムは、処理部を有する。処理部には、第１のデータ（入
力データともいえる）と、参照用解析データと、が入力される。情報検索システムの使用
者は、第１のデータとして、検索したい情報（第１の情報）を有するデータを、処理部に
入力する。参照用解析データは、検索対象となるデータであり、複数の情報を有する。例
えば、第１の情報が、１枚の画像であり、参照用解析データは、複数枚の画像を有する。

処理部は、参照用解析データから、第１のデータと類似するデータを検索する機能を有す
る。この検索では、参照用解析データに含まれる複数の情報の中から、第１の情報と類似
する第２の情報が検索される。例えば、第２の情報は、１枚または複数枚の画像である。

さらに、処理部は、第２のデータ（出力データともいえる）を生成する機能を有する。第
２のデータには、検索結果である、上記第２の情報が含まれる。さらに、第２のデータに
は、第２の情報の第１の情報に対する類似性の高さを示す第３の情報が含まれる。

第３の情報は、例えば、割合で表され、０以上１以下、または０％以上１００％以下など
の数値で出力される（数値が大きいほど類似している）。

また、第２の情報が複数の情報（例えば、複数枚の画像）を含む場合、それぞれの類似性
の高さを示す第３の情報を用いて、複数の情報を第１のデータに対する類似性の高い順に
並べて出力することができる。また、第２の情報として、類似性の高さが所定の値よりも
高い情報を出力することができる。

さらに、情報検索システムは、第１の情報と第２の情報の相違点を出力する機能を有して
いてもよい。

情報検索システムは、少なくとも一部の処理に人工知能（ＡＩ：Ａｒｔｉｆｉｃｉａｌ
Ｉｎｔｅｌｌｉｇｅｎｃｅ）を用いて、第２のデータを生成することが好ましい。

情報検索システムは、特に、人工ニューラルネットワーク（ＡＮＮ：Ａｒｔｉｆｉｃｉａ
ｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、以下、単にニューラルネットワークとも記す）を用
いて、出力データを生成することが好ましい。ニューラルネットワークは、回路（ハード
ウェア）またはプログラム（ソフトウェア）により実現される。

本明細書等において、ニューラルネットワークとは、生物の神経回路網を模し、学習によ
ってニューロンどうしの結合強度を決定し、問題解決能力を持たせるモデル全般を指す。
ニューラルネットワークは、入力層、中間層（隠れ層）、及び出力層を有する。

本明細書等において、ニューラルネットワークについて述べる際に、既にある情報からニ
ューロンとニューロンの結合強度（重み係数ともいう）を決定することを「学習」と呼ぶ
場合がある。

また、本明細書等において、学習によって得られた結合強度を用いてニューラルネットワ
ークを構成し、そこから新たな結論を導くことを「推論」と呼ぶ場合がある。

ニューラルネットワークは、膨大な数の積和演算によって実行される。これらの演算処理
は、デジタル回路及びアナログ回路の一方または双方を用いて行うことができる。デジタ
ル回路を用いる場合、必要となるトランジスタ数が膨大になり、非効率的で消費電力が高
い。そのため、上述の積和演算はアナログ積和演算回路（以下、ＡＰＳ（Ａｎａｌｏｇ
Ｐｒｏｄｕｃｔ－Ｓｕｍ ｃｉｒｃｕｉｔ）と呼ぶ）で行うことが好ましい。また、ＡＰ
Ｓはアナログメモリを有することが好ましい。学習で得られた重み係数を上記アナログメ
モリに格納することで、ＡＰＳは、アナログデータのまま積和演算を実行することができ
る。その結果、ＡＰＳは少ないトランジスタで効率的にニューラルネットワークを構築す
ることができる。

なお、本明細書等においてアナログメモリはアナログデータを格納することが可能な記憶
装置のことを指す。また、本明細書においてアナログデータとは、３ビット（８値）以上
の分解能を有するデータのことを指す。多値データのことをアナログデータと呼ぶ場合も
ある。

上記アナログメモリとして、多値のフラッシュメモリ、ＲｅＲＡＭ（Ｒｅｓｉｓｔｉｖｅ
Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＭＲＡＭ（Ｍａｇｎｅｔｏｒｅｓｉｓ
ｔｉｖｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）またはＯＳトランジスタを用い
たメモリ（以下、ＯＳメモリ）を用いることができる。

また、本明細書等において、チャネル形成領域に酸化物半導体または金属酸化物を用いた
トランジスタをＯｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒトランジスタ、あるいはＯＳト
ランジスタと呼ぶ。ＯＳトランジスタのチャネル形成領域は、金属酸化物を有することが
好ましい。

また、本明細書等において、金属酸化物（ｍｅｔａｌ ｏｘｉｄｅ）とは、広い表現での
金属の酸化物である。金属酸化物は、酸化物絶縁体、酸化物導電体（透明酸化物導電体を
含む）、酸化物半導体（Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒまたは単にＯＳともい
う）などに分類される。例えば、トランジスタの半導体層に金属酸化物を用いた場合、当
該金属酸化物を酸化物半導体と呼称する場合がある。つまり、金属酸化物が増幅作用、整
流作用、及びスイッチング作用の少なくとも１つを有する場合、当該金属酸化物を、金属
酸化物半導体（ｍｅｔａｌ ｏｘｉｄｅ ｓｅｍｉｃｏｎｄｕｃｔｏｒ）、略してＯＳと
呼ぶことができる。

チャネル形成領域が有する金属酸化物はインジウム（Ｉｎ）を含むことが好ましい。チャ
ネル形成領域が有する金属酸化物がインジウムを含む金属酸化物の場合、ＯＳトランジス
タのキャリア移動度（電子移動度）が高くなる。また、チャネル形成領域が有する金属酸
化物は、元素Ｍを含む酸化物半導体であると好ましい。元素Ｍは、好ましくは、アルミニ
ウム（Ａｌ）、ガリウム（Ｇａ）またはスズ（Ｓｎ）などとする。そのほかの元素Ｍに適
用可能な元素としては、ホウ素（Ｂ）、シリコン（Ｓｉ）、チタン（Ｔｉ）、鉄（Ｆｅ）
、ニッケル（Ｎｉ）、ゲルマニウム（Ｇｅ）、イットリウム（Ｙ）、ジルコニウム（Ｚｒ
）、モリブデン（Ｍｏ）、ランタン（Ｌａ）、セリウム（Ｃｅ）、ネオジム（Ｎｄ）、ハ
フニウム（Ｈｆ）、タンタル（Ｔａ）、タングステン（Ｗ）などがある。ただし、元素Ｍ
として、前述の元素を複数組み合わせても構わない場合がある。元素Ｍは、例えば、酸素
との結合エネルギーが高い元素である。例えば、酸素との結合エネルギーがインジウムよ
りも高い元素である。また、チャネル形成領域が有する金属酸化物は、亜鉛（Ｚｎ）を含
む金属酸化物であると好ましい。亜鉛を含む金属酸化物は結晶化しやすくなる場合がある
。

チャネル形成領域が有する金属酸化物は、インジウムを含む金属酸化物に限定されない。
半導体層は、例えば、亜鉛スズ酸化物、ガリウムスズ酸化物などの、インジウムを含まず
、亜鉛を含む金属酸化物、ガリウムを含む金属酸化物、スズを含む金属酸化物などであっ
ても構わない。

＜１．知的財産情報検索システム＞
本実施の形態では、情報検索システムの一例として、知的財産情報検索システムについて
説明する。知的財産情報検索システムは、知的財産情報の検索に用いることができる。な
お、本実施の形態の知的財産情報検索システムは、参照用のデータを変えることで、様々
な情報の検索システムに応用できる。

＜１－１．知的財産情報検索システムの概要＞
図１に、知的財産情報検索システム１００のブロック図を示す。知的財産情報検索システ
ム１００は、少なくとも、処理部１０３を有する。図１に示す知的財産情報検索システム
１００は、さらに、入力部１０１、伝送路１０２、記憶部１０５、データベース１０７、
及び出力部１０９を有する。

［入力部１０１］
入力部１０１には、知的財産情報検索システム１００の外部から情報が供給される。入力
部１０１に供給された情報は、伝送路１０２を介して、処理部１０３、記憶部１０５、ま
たはデータベース１０７に供給される。

［伝送路１０２］
伝送路１０２は、情報を伝達する機能を有する。入力部１０１、処理部１０３、記憶部１
０５、データベース１０７、及び出力部１０９の間の情報の送受信は、伝送路１０２を介
して行うことができる。

［処理部１０３］
処理部１０３は、入力部１０１、記憶部１０５、データベース１０７などから供給された
情報を用いて、演算、推論などを行う機能を有する。処理部１０３は、演算結果、推論結
果などを、記憶部１０５、データベース１０７、出力部１０９などに供給することができ
る。

処理部１０３には、チャネル形成領域に金属酸化物を有するトランジスタを用いることが
好ましい。当該トランジスタはオフ電流が極めて低いため、当該トランジスタを記憶素子
として機能する容量素子に流入した電荷（データ）を保持するためのスイッチとして用い
ることで、データの保持期間を長期にわたり確保することができる。この特性を、処理部
１０３が有するレジスタ及びキャッシュメモリのうち少なくとも一方に用いることで、必
要なときだけ処理部１０３を動作させ、他の場合には直前の処理の情報を当該記憶素子に
待避させることにより処理部１０３をオフにすることができる。すなわち、ノーマリーオ
フコンピューティングが可能となり、知的財産情報検索システムの低消費電力化を図るこ
とができる。

処理部１０３は、例えば、演算回路、または中央演算装置（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐ
ｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等を有する。

処理部１０３は、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰ
Ｕ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等のマイクロプロセッサを有
していてもよい。マイクロプロセッサは、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂ
ｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＦＰＡＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ａ
ｎａｌｏｇ Ａｒｒａｙ）等のＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖ
ｉｃｅ）によって実現された構成であってもよい。処理部１０３は、プロセッサにより種
々のプログラムからの命令を解釈し実行することで、各種のデータ処理及びプログラム制
御を行うことができる。プロセッサにより実行しうるプログラムは、プロセッサが有する
メモリ領域及び記憶部１０５のうち少なくとも一方に格納される。

処理部１０３はメインメモリを有していてもよい。メインメモリは、ＲＡＭ（Ｒａｎｄｏ
ｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等の揮発性メモリ、及びＲＯＭ（Ｒｅａｄ Ｏｎｌｙ
Ｍｅｍｏｒｙ）等の不揮発性メモリのうち少なくとも一方を有する。

ＲＡＭとしては、例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅ
ｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等
が用いられ、処理部１０３の作業空間として仮想的にメモリ空間が割り当てられ利用され
る。記憶部１０５に格納されたオペレーティングシステム、アプリケーションプログラム
、プログラムモジュール、プログラムデータ、及びルックアップテーブル等は、実行のた
めにＲＡＭにロードされる。ＲＡＭにロードされたこれらのデータ、プログラム、及びプ
ログラムモジュールは、それぞれ、処理部１０３に直接アクセスされ、操作される。

ＲＯＭには、書き換えを必要としない、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕ
ｔ Ｓｙｓｔｅｍ）及びファームウェア等を格納することができる。ＲＯＭとしては、マ
スクＲＯＭ、ＯＴＰＲＯＭ（Ｏｎｅ Ｔｉｍｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ
Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ
Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等が挙げられる。ＥＰＲＯＭとしては、紫外線照
射により記憶データの消去を可能とするＵＶ－ＥＰＲＯＭ（Ｕｌｔｒａ－Ｖｉｏｌｅｔ
Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、
ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌ
ｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ等が挙げられる。

［記憶部１０５］
記憶部１０５は、処理部１０３が実行するプログラムを記憶する機能を有する。また、記
憶部１０５は、処理部１０３が生成した演算結果及び推論結果、並びに、入力部１０１に
入力された情報などを記憶する機能を有していてもよい。

記憶部１０５は、揮発性メモリ及び不揮発性メモリのうち少なくとも一方を有する。記憶
部１０５は、例えば、ＤＲＡＭ、ＳＲＡＭなどの揮発性メモリを有していてもよい。記憶
部１０５は、例えば、ＲｅＲＡＭ（Ｒｅｓｉｓｔｉｖｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ
Ｍｅｍｏｒｙ、抵抗変化型メモリともいう）、ＰＲＡＭ（Ｐｈａｓｅ ｃｈａｎｇｅ Ｒ
ａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＦｅＲＡＭ（Ｆｅｒｒｏｅｌｅｃｔｒｉｃ
Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＭＲＡＭ（Ｍａｇｎｅｔｏｒｅｓｉｓ
ｔｉｖｅ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、磁気抵抗型メモリともいう）、
またはフラッシュメモリなどの不揮発性メモリを有していてもよい。また、記憶部１０５
は、ハードディスクドライブ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ：ＨＤＤ）及びソリッド
ステートドライブ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ：ＳＳＤ）等の記録メディアド
ライブを有していてもよい。

［データベース１０７］
データベース１０７は、参照用解析データを記憶する機能を有する。また、データベース
１０７は、処理部１０３が生成した演算結果及び推論結果、並びに、入力部１０１に入力
された情報などを記憶する機能を有していてもよい。なお、記憶部１０５及びデータベー
ス１０７は互いに分離されていなくてもよい。例えば、知的財産情報検索システムは、記
憶部１０５及びデータベース１０７の双方の機能を有する記憶ユニットを有していてもよ
い。

［出力部１０９］
出力部１０９は、知的財産情報検索システム１００の外部に情報を供給する機能を有する
。例えば、処理部１０３における演算結果または推論結果などを外部に供給することがで
きる。

＜１－２．知的財産情報検索方法の概要＞
図２に、知的財産情報検索システム１００を用いた知的財産情報検索方法のフローチャー
トを示す。

本実施の形態の知的財産情報検索方法では、事前に準備された複数の知的財産の情報を検
索の対象として、入力された知的財産の情報に類似する知的財産の情報を検索することが
できる。

［ステップＳ１］
まず、処理部１０３に、データＤと、参照用解析データＡＤ_ｒｅｆと、を入力する。

データＤは、知的財産情報検索システム１００の外部から入力部１０１に入力される。そ
して、データＤは、入力部１０１から、伝送路１０２を介して、処理部１０３に供給され
る。または、データＤは、伝送路１０２を介して、記憶部１０５またはデータベース１０
７に保存され、記憶部１０５またはデータベース１０７から、伝送路１０２を介して、処
理部１０３に供給されてもよい。

参照用解析データＡＤ_ｒｅｆは、記憶部１０５またはデータベース１０７から、伝送路１
０２を介して、処理部１０３に供給される。

データＤは、第１の知的財産の情報を有し、参照用解析データＡＤ_ｒｅｆは、複数の知的
財産の情報を有する。データＤ及び参照用解析データＡＤ_ｒｅｆは、文章データ及び画像
データのうち一方または双方を有する。

ここで、知的財産の情報としては、知的財産を説明する文章及び図面が挙げられ、具体的
には、特許文献（公開特許公報、特許公報など）、実用新案公報、意匠公報、及び論文な
どの刊行物が挙げられる。国内で発行された刊行物に限られず、世界各国で発行された刊
行物を、知的財産の情報として用いることができる。これらは、データＤ及び参照用解析
データＡＤ_ｒｅｆのいずれにも好適である。

特許文献に含まれる明細書、特許請求の範囲、要約書、及び図面は、それぞれ、一部また
は全部をデータＤまたは参照用解析データＡＤ_ｒｅｆとして用いることができる。例えば
、特定の発明を実施するための形態、実施例、請求項、または図面を、データＤまたは参
照用解析データＡＤ_ｒｅｆとして用いてもよい。同様に、論文など他の刊行物に含まれる
文章及び図面についても、一部または全部をデータＤまたは参照用解析データＡＤ_ｒｅｆ
として用いることができる。

知的財産の情報は、刊行物に限られない。例えば、知的財産情報検索システムの使用者ま
たは使用団体が独自に有する文書ファイル及び画像ファイルなどの各種ファイルも、デー
タＤまたは参照用解析データＡＤ_ｒｅｆとして用いることができる。

さらに、知的財産の情報としては、発明、考案または意匠を説明する文章及び図面、工業
製品の情報などが挙げられる。これらは、データＤ及び参照用解析データＡＤ_ｒｅｆのい
ずれにも好適である。

データＤは、例えば、出願前の発明、考案または意匠を説明する文章及び図面、技術的思
想、技術情報、及び発売前の工業製品の情報などを有することができる。

参照用解析データＡＤ_ｒｅｆは、例えば、特定の出願人の特許文献、または特定の技術分
野の特許文献を有することができる。

データＤ及び参照用解析データＡＤ_ｒｅｆは、さらに、知的財産自体だけでなく、当該知
的財産に関係する様々な情報（例えば、書誌情報など）を有することができる。例えば、
知的財産が特許文献であれば、出願人、技術分野、出願番号、公開番号、ステータス（係
属中、登録済、取り下げ済など）、などが挙げられる。

データＤ及び参照用解析データＡＤ_ｒｅｆは、知的財産に係る日付情報を有することが好
ましい。日付情報としては、例えば、知的財産が特許文献であれば、出願日、公開日、登
録日などが挙げられ、知的財産が工業製品の情報であれば、発売日などが挙げられる。

このように、データＤ及び参照用解析データＡＤ_ｒｅｆが知的財産に関係する様々な情報
を有することで、知的財産情報検索システムを用いて、様々な検索範囲を選択することが
できる。

例えば、本実施の形態の知的財産情報検索システムを用いて、出願前の発明と類似する特
許文献、論文、または工業製品を検索することができる。これにより、出願前の発明に係
る先行技術調査をすることができる。関連する先行技術を把握し再検討することで、発明
を強化し、他社が回避困難な強い特許になる発明とすることができる。

また、例えば、本実施の形態の知的財産情報検索システムを用いて、発売前の工業製品と
類似する特許文献、論文、または工業製品を検索することができる。参照用解析データＡ
Ｄ_ｒｅｆが自社の特許文献を有する場合、発売前の工業製品に係る技術が社内で十分に特
許出願できているかを確認することができる。または、参照用解析データＡＤ_ｒｅｆが他
社の知的財産の情報を有する場合、発売前の工業製品が他社の知的財産権を侵害していな
いかを確認することができる。関連する先行技術を把握し再検討することで、新たな発明
を発掘し、自社の事業に貢献する強い特許になる発明とすることができる。なお、発売前
の工業製品に限らず、発売後の工業製品について、検索してもよい。

また、例えば、本実施の形態の知的財産情報検索システムを用いて、特定の特許と類似す
る特許文献、論文、または工業製品を検索することができる。特に、当該特許の出願日を
基準に調べることで、当該特許が無効理由を含まないか、簡便かつ高い精度で調査するこ
とができる。

［ステップＳ２］
次に、処理部１０３で、参照用解析データＡＤ_ｒｅｆの中から、データＤと類似するデー
タを検索し、解析データＡＤを生成する。

解析データＡＤは、第１の知的財産の情報と類似する第２の知的財産の情報と、第２の知
的財産の情報の第１の知的財産の情報に対する類似性の高さを示す情報と、を有する。第
２の知的財産の情報は、検索により参照用解析データＡＤ_ｒｅｆから得られた、第１の知
的財産の情報と類似する知的財産の情報である。

解析データＡＤの具体的な生成方法については、後述する。

［ステップＳ３］
次に、処理部１０３から、解析データＡＤを出力する。解析データＡＤは、伝送路１０２
を介して、出力部１０９に供給される。または、解析データＡＤは、伝送路１０２を介し
て、記憶部１０５またはデータベース１０７に保存され、記憶部１０５またはデータベー
ス１０７から、伝送路１０２を介して、出力部１０９に供給されてもよい。

以上により、知的財産情報を検索することができる。

＜２．解析＞
次に、解析データＡＤの具体的な生成方法について、説明する。まず、文章の解析と、画
像の解析と、について、それぞれ説明する。次に、文章及び画像の双方を解析して、解析
データＡＤを生成する場合について説明する。次に、１つの知的財産の情報について、２
種類以上の知的財産の情報を検索して、解析データＡＤを生成する場合について説明する
。

＜２－１．文章の解析＞
本発明の一態様の知的財産情報検索システムは、テキストマイニングを行うことができる
。そのため、知的財産情報検索システムの使用者は、検索に用いるキーワードもしくはフ
レーズを選択する必要がなく、分量のより多い文章データ（テキストデータ）をそのまま
知的財産情報検索システムに入力することができる。検索における適切なキーワードの選
択が不要となるため、検索精度の個人差を低減することができ、精度の高い情報検索が実
現できる。

テキストマイニングでは、まず、自然言語処理を用いて、文章データを分割する。例えば
、形態素解析を行い、名詞を抽出することができる。さらに、構文解析、意味解析、文脈
解析等を行ってもよい。

その他、自然言語処理としては、Ｎ－ｇｒａｍ処理、ＴＦ－ＩＤＦ（Ｔｅｒｍ Ｆｒｅｑ
ｕｅｎｃｙ Ｉｎｖｅｒｓｅ Ｄｏｃｕｍｅｎｔ Ｆｒｅｑｕｅｎｃｙ）処理などを行う
ことができる。

次に、データマイニング処理を行い、解析する。例えば、アソシエーション分析、クラス
ター分析等が挙げられる。データマイニング処理には、上記ニューラルネットワークを用
いることができる。文章データのような可変長のデータを扱うことができるため、再帰型
ニューラルネットワーク（ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ：ＲＮＮ
）が好適である。また、Ｌｏｎｇ Ｓｈｏｒｔ－Ｔｅｒｍ Ｍｅｍｏｒｙ（ＬＳＴＭ）な
ども好適である。

なお、日本語の文章だけでなく、様々な言語（例えば、英語、中国語、韓国語など）の文
章の解析を行うことができる。文章の解析方法は、言語に応じて様々な方法を適用できる
。

以下では、図３～図７を用いて、知的財産情報検索システム１００で、文章を用いて検索
する場合について説明する。図３（Ａ）、（Ｂ）に、文章を用いて検索できる処理部１０
３の構成を示す。図４に、参照用解析データを生成する処理のフローチャートを示し、図
５に、図４に示す各ステップの模式図を示す。図６に、解析データを生成する処理のフロ
ーチャートを示し、図７に、図６に示す各ステップの模式図を示す。

まず、図３（Ａ）、図４、及び図５を用いて、参照用解析データを生成する処理について
説明する。この処理を事前に行い、参照用解析データを生成しておくことで、知的財産情
報検索システム１００を用いて、知的財産情報を検索することができる。

［ステップＳ１１］
まず、第１の文章解析部１１１に、参照用文章データＴＤ_ｒｅｆを入力し、参照用文章デ
ータＴＤ_ｒｅｆの形態素解析を行うことで、第１の参照用文章解析データＴＡＤ１_ｒｅｆ
を生成する。

参照用文章データＴＤ_ｒｅｆは、知的財産情報検索システム１００において検索対象とな
るデータである。参照用文章データＴＤ_ｒｅｆとして用いるデータは、知的財産情報検索
システム１００の用途に応じて適宜選択できる。

参照用文章データＴＤ_ｒｅｆは、例えば、データベース１０７から、伝送路１０２を介し
て、処理部１０３（の第１の文章解析部１１１）に入力される。

図３（Ａ）では、生成した第１の参照用文章解析データＴＡＤ１_ｒｅｆを処理部１０３の
外部に出力する例を示す。例えば、第１の文章解析部１１１は、記憶部１０５またはデー
タベース１０７に、第１の参照用文章解析データＴＡＤ１_ｒｅｆを出力することができる
。または、第１の文章解析部１１１から、直接、第２の文章解析部１１２に、第１の参照
用文章解析データＴＡＤ１_ｒｅｆを供給してもよい。

図５（Ａ）に示すように、参照用文章データＴＤ_ｒｅｆは、複数の文章データを有する。
図５（Ａ）では、ｎ個（ｎは、２以上の整数）の文章データを図示し、それぞれ、データ
ＴＤ_ｒｅｆ（ｘ）（ｘは、１以上ｎ以下の整数）と記す。

第１の文章解析部１１１は、ｎ個の文章データそれぞれの形態素解析を行い、ｎ個の参照
用文章解析データ（それぞれ、データＴＡＤ１_ｒｅｆ（ｘ）（ｘは、１以上ｎ以下の整数
）と記す）を生成する。例えば、データＴＤ_ｒｅｆ（ｎ）の形態素解析を行うことで、デ
ータＴＡＤ１_ｒｅｆ（ｎ）を生成する。

図５（Ａ）に示す例では、入力するデータＴＤ_ｒｅｆ（１）は長い文を含み、出力された
データＴＡＤ１_ｒｅｆ（１）では、当該文が複数の単語に分けられている。

［ステップＳ１２］
次に、第２の文章解析部１１２に、第１の参照用文章解析データＴＡＤ１_ｒｅｆを入力し
、参照用文章データＴＤ_ｒｅｆに含まれる単語の出現頻度を求めることで、第２の参照用
文章解析データＴＡＤ２_ｒｅｆを生成する。そして、第２の参照用文章解析データＴＡＤ
２_ｒｅｆを出力する。

第２の文章解析部１１２は、ニューラルネットワークＮＮを用いた処理を行うことが好ま
しい。これにより、検索精度を高めることができる。

図３（Ａ）では、生成した第２の参照用文章解析データＴＡＤ２_ｒｅｆを処理部１０３の
外部に出力する例を示す。例えば、第２の文章解析部１１２は、記憶部１０５またはデー
タベース１０７に、第２の参照用文章解析データＴＡＤ２_ｒｅｆを出力することができる
。または、第２の文章解析部１１２から、直接、第３の文章解析部１１３に、第２の参照
用文章解析データＴＡＤ２_ｒｅｆを供給してもよい。

図３（Ａ）及び図５（Ｂ）に示すように、第２の文章解析部１１２には、第１の参照用文
章解析データＴＡＤ１_ｒｅｆだけでなく、参照用文章データＴＤ_ｒｅｆも入力することが
できる。また、第１の参照用文章解析データＴＡＤ１_ｒｅｆに含まれる単語をベクトル化
して用いてもよい。このように、第２の文章解析部１１２で行う処理に応じたデータを、
第２の文章解析部１１２に入力すればよい。

第２の文章解析部１１２には、辞書データが入力されてもよい。辞書データには、例えば
、第２の文章解析部１１２で出願頻度を求める単語、及び出現頻度を求めない単語のうち
一方または双方の情報が含まれる。これにより、ノイズの除去、及び検索精度の向上を図
ることができる。

第２の文章解析部１１２では、ｎ個の文章データそれぞれに含まれる単語の出現頻度を求
め、ｎ個の参照用文章解析データを生成する。例えば、データＴＡＤ１_ｒｅｆ（ｎ）を用
いて、データＴＤ_ｒｅｆ（ｎ）に含まれる単語の出現頻度を求めることで、データＴＡＤ
２_ｒｅｆ（ｎ）を生成する。

図５（Ｂ）に示す例では、データＴＡＤ２_ｒｅｆ（１）から、データＴＤ_ｒｅｆ（１）に
一番多く含まれる単語は、「ＡＡＡ」であり、二番目に多く含まれる単語は、「ＢＢＢ」
であることがわかる。また、データＴＡＤ２_ｒｅｆ（２）から、データＴＤ_ｒｅｆ（２）
に一番多く含まれる単語は、「ＣＣＣ」であり、二番目に多く含まれる単語は、「ＤＤＤ
」であることがわかる。図５（Ｂ）では、出願頻度の高い順に単語を並べる例を示すが、
これに限られない。

以上により、参照用解析データを生成することができる。

次に、図３（Ｂ）、図６、及び図７を用いて、解析データを生成する処理について説明す
る。事前に生成された参照用解析データを用いることで、知的財産情報を検索することが
できる。

［ステップＳ２１］
まず、第１の文章解析部１１１に、文章データＴＤを入力し、文章データＴＤの形態素解
析を行うことで、第１の文章解析データＴＡＤ１を生成する。

文章データＴＤは、例えば、知的財産情報検索システム１００の外部から、入力部１０１
及び伝送路１０２を介して、処理部１０３（の第１の文章解析部１１１）に入力される。

図３（Ｂ）では、生成した第１の文章解析データＴＡＤ１を処理部１０３の外部に出力す
る例を示す。例えば、第１の文章解析部１１１は、記憶部１０５またはデータベース１０
７に、第１の文章解析データＴＡＤ１を出力することができる。または、第１の文章解析
部１１１から、直接、第２の文章解析部１１２に、第１の文章解析データＴＡＤ１を供給
してもよい。

図７（Ａ）に示すように、第１の文章解析部１１１で、文章データＴＤの形態素解析を行
い、第１の文章解析データＴＡＤ１を生成する。文章データＴＤに含まれる長い文章は、
第１の文章解析データＴＡＤ１では、複数の単語に分けられている。

［ステップＳ２２］
次に、第２の文章解析部１１２に、第１の文章解析データＴＡＤ１を入力し、文章データ
ＴＤに含まれる単語の出現頻度を求めることで、第２の文章解析データＴＡＤ２を生成す
る。

第２の文章解析部１１２は、ニューラルネットワークＮＮを用いた処理を行うことが好ま
しい。これにより、検索精度を高めることができる。

図３（Ｂ）では、生成した第２の文章解析データＴＡＤ２を処理部１０３の外部に出力す
る例を示す。例えば、第２の文章解析部１１２は、記憶部１０５またはデータベース１０
７に、第２の文章解析データＴＡＤ２を出力することができる。または、第１の文章解析
部１１１から、直接、第３の文章解析部１１３に、第２の文章解析データＴＡＤ２を供給
してもよい。

図３（Ｂ）及び図７（Ｂ）に示すように、第２の文章解析部１１２には、第１の文章解析
データＴＡＤ１だけでなく、文章データＴＤも入力することができる。また、第１の文章
解析データＴＡＤ１に含まれる単語をベクトル化して用いてもよい。このように、第２の
文章解析部１１２で行う処理に応じたデータを、第２の文章解析部１１２に入力すればよ
い。

第２の文章解析部１１２には、辞書データが入力されてもよい。辞書データには、例えば
、第２の文章解析部１１２で出願頻度を求める単語、及び出現頻度を求めない単語のうち
一方または双方の情報が含まれる。これにより、ノイズの除去、及び検索精度の向上を図
ることができる。

第２の文章解析部１１２では、第１の文章解析データＴＡＤ１を用いて、文章データＴＤ
に含まれる単語の出現頻度を求めることで、第２の文章解析データＴＡＤ２を生成する。

図７（Ｂ）に示すように、第２の文章解析データＴＡＤ２から、文章データＴＤに一番多
く含まれる単語は、「ＣＣＣ」であり、二番目に多く含まれる単語は、「ＢＢＢ」である
ことがわかる。図７（Ｂ）では、出願頻度の高い順に単語を並べる例を示すが、これに限
られない。

［ステップＳ２３］
次に、第３の文章解析部１１３に、第２の文章解析データＴＡＤ２と、第２の参照用文章
解析データＴＡＤ２_ｒｅｆと、を入力し、第２の文章解析データＴＡＤ２と、第２の参照
用文章解析データＴＡＤ２_ｒｅｆと、を比較することで、第３の文章解析データＴＡＤ３
を生成する。そして、第３の文章解析データＴＡＤ３を出力する。

図３（Ｂ）では、生成した第３の文章解析データＴＡＤ３を処理部１０３の外部に出力す
る例を示す。例えば、第３の文章解析部１１３は、記憶部１０５またはデータベース１０
７に、第３の文章解析データＴＡＤ３を出力することができる。

第３の文章解析部１１３では、第２の参照用文章解析データＴＡＤ２_ｒｅｆが有するｎ個
のデータの中から、第２の文章解析データＴＡＤ２と類似するデータを検索する。

第３の文章解析部１１３では、ｎ個のデータそれぞれの、第２の文章解析データＴＡＤ２
に対する類似性の高さを示す情報を求めることができる。例えば、当該情報を用いて、図
７（Ｃ）に示すように、類似性の高い順にデータを並べることができる。また、当該情報
を用いて、類似性の高さが所定の値以上のデータのみを出力することができる。

図７（Ｃ）に示す例では、第３の文章解析データＴＡＤ３から、第２の参照用文章解析デ
ータＴＡＤ２_ｒｅｆが有するｎ個のデータのうち、第２の文章解析データＴＡＤ２と最も
類似しているデータは、データＴＡＤ２_ｒｅｆ（２）であり、二番目に類似しているデー
タは、データＴＡＤ２_ｒｅｆ（１）であるとわかる。

第３の文章解析データＴＡＤ３は、処理部１０３から出力される解析データＡＤの一部ま
たは全部といえる。なお、さらに第３の文章解析データＴＡＤ３と別のデータとを組み合
わせることで、解析データＡＤを生成してもよい。

以上により、知的財産情報検索システム１００を用いて、文章データＴＤに類似するデー
タを検索することができる。上記の例では、データＴＤ_ｒｅｆ（２）が、文章データＴＤ
と最も類似するデータであるとわかる。

＜２－２．画像の解析＞
本発明の一態様の知的財産情報検索システムは、画像認識を行うことができる。そのため
、知的財産情報検索システムの使用者は、検索のためにキーワードや文章などを用意する
必要がなく、画像データをそのままシステムに入力することで、所望の情報を得ることが
できる。

画像を用いた検索には、畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ
Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）が好適である。特に、ＣＮＮを用いたディー
プラーニングを利用することが好ましい。

以下では、図８～図１２を用いて、知的財産情報検索システム１００で、画像を用いて検
索する場合について説明する。図８（Ａ）、（Ｂ）に、画像を用いて検索できる処理部１
０３の構成を示す。図９に、参照用解析データを生成する処理のフローチャートを示し、
図１０に、図９に示す各ステップの模式図を示す。図１１に、解析データを生成する処理
のフローチャートを示し、図１２に、図１１に示す各ステップの模式図を示す。

まず、図８（Ａ）、図９、及び図１０を用いて、参照用解析データを生成する処理につい
て説明する。この処理を事前に行い、参照用解析データを生成しておくことで、知的財産
情報検索システム１００を用いて、知的財産情報を検索することができる。

［ステップＳ３１］
まず、第１の画像解析部１２１に、参照用画像データＩＤ_ｒｅｆを入力し、機械学習を行
うことにより、学習モデルＬＭを最適化する。

参照用画像データＩＤ_ｒｅｆは、知的財産情報検索システム１００において検索対象とな
るデータである。参照用画像データＩＤ_ｒｅｆとして用いるデータは、知的財産情報検索
システム１００の用途に応じて適宜選択できる。

参照用画像データＩＤ_ｒｅｆは、例えば、データベース１０７から、伝送路１０２を介し
て、処理部１０３（の第１の画像解析部１２１）に入力される。

第１の画像解析部１２１は、ニューラルネットワークＮＮを用いた処理を行うことが好ま
しい。これにより、検索精度を高めることができる。参照用画像データＩＤ_ｒｅｆを用い
た機械学習により、重み係数を決定することができる。

機械学習としては、教師あり学習と教師なし学習のどちらを行ってもよい。教師なし学習
を用いると、教師データが不要であるため、好ましい。

図１０に示すように、参照用画像データＩＤ_ｒｅｆは、複数の画像データを有する。図１
０では、ｎ個（ｎは、２以上の整数）の画像データを図示し、それぞれ、データＩＤ_ｒｅ
ｆ（ｘ）（ｘは、１以上ｎ以下の整数）と記す。例えば、データＩＤ_ｒｅｆ（１）は、積
層体の断面図のデータである。

第１の画像解析部１２１は、ｎ個の画像データを用いた機械学習により、学習モデルＬＭ
を最適化する。

［ステップＳ３２］
次に、最適化された学習モデルＬＭに、参照用画像データＩＤ_ｒｅｆを入力し、参照用画
像解析データＩＡＤ_ｒｅｆを生成する。そして、参照用画像解析データＩＡＤ_ｒｅｆを出
力する。

図８（Ａ）では、生成した参照用画像解析データＩＡＤ_ｒｅｆを処理部１０３の外部に出
力する例を示す。例えば、第１の画像解析部１２１は、記憶部１０５またはデータベース
１０７に、参照用画像解析データＩＡＤ_ｒｅｆを出力することができる。または、第１の
画像解析部１２１から、直接、第２の画像解析部１２２に、参照用画像解析データＩＡＤ
_ｒｅｆを供給してもよい。

図１０では、第１の画像解析部１２１で、クラスタリング（クラスター分析ともいう）を
行う例を示し、参照用画像解析データＩＡＤ_ｒｅｆとしてクラスタリング結果を示す。参
照用画像解析データＩＡＤ_ｒｅｆには、データＩＤ_ｒｅｆ（１）からデータＩＤ_ｒｅｆ（
ｎ）に対応するｎ個の座標情報が含まれる。

以上により、参照用解析データを生成することができる。

次に、図８（Ｂ）、図１１、及び図１２を用いて、解析データを生成する処理について説
明する。事前に生成された参照用解析データを用いることで、所望の知的財産情報を検索
することができる。

［ステップＳ４１］
まず、学習モデルＬＭに画像データＩＤを入力することで、第１の画像解析データＩＡＤ
１を生成する。

画像データＩＤは、例えば、知的財産情報検索システム１００の外部から、入力部１０１
及び伝送路１０２を介して、処理部１０３（の第１の画像解析部１２１）に入力される。

図８（Ｂ）では、生成した第１の画像解析データＩＡＤ１を処理部１０３の外部に出力す
る例を示す。例えば、第１の画像解析部１２１は、記憶部１０５またはデータベース１０
７に、第１の画像解析データＩＡＤ１を出力することができる。または、第１の画像解析
部１２１から、直接、第２の画像解析部１２２に、第１の画像解析データＩＡＤ１を供給
してもよい。

第１の画像解析部１２１は、ニューラルネットワークＮＮを用いた処理を行うことが好ま
しい。これにより、検索精度を高めることができる。参照用画像データＩＤ_ｒｅｆを用い
た機械学習により最適化された学習モデルＬＭに、画像データＩＤを入力することで、第
１の画像解析データＩＡＤ１を生成することができる。

図１２（Ａ）に示す画像データＩＤは、積層体の断面図のデータであり、データＩＤ_ｒｅ
ｆ（１）の積層体とは、最上層を有さない点で異なる。

図１２（Ａ）では、第１の画像解析部１２１で、クラスタリングを行う例を示す。第１の
画像解析データＩＡＤ１には、画像データＩＤに対応する座標情報が含まれる。

［ステップＳ４２］
次に、第２の画像解析部１２２に、第１の画像解析データＩＡＤ１と、参照用画像解析デ
ータＩＡＤ_ｒｅｆと、を入力し、第１の画像解析データＩＡＤ１と、参照用画像解析デー
タＩＡＤ_ｒｅｆと、を用いて、第２の画像解析データＩＡＤ２を生成する。そして、第２
の画像解析データＩＡＤ２を出力する。

図８（Ｂ）では、生成した第２の画像解析データＩＡＤ２を処理部１０３の外部に出力す
る例を示す。例えば、第２の画像解析部１２２は、記憶部１０５またはデータベース１０
７に、第２の画像解析データＩＡＤ２を出力することができる。

第２の画像解析部１２２では、参照用画像解析データＩＡＤ_ｒｅｆが有するｎ個のデータ
の中から、第１の画像解析データＩＡＤ１と類似するデータを検索する。

図１２（Ｂ）に示すように、第２の画像解析部１２２では、第１の画像解析データＩＡＤ
１が有する、画像データＩＤに対応する座標情報と、参照用画像解析データＩＡＤ_ｒｅｆ
が有する、データＩＤ_ｒｅｆ（１）からデータＩＤ_ｒｅｆ（ｎ）に対応するｎ個の座標情
報と、を用いる。例えば、ｎ個の座標のうち、画像データＩＤの座標からの距離が近い座
標ほど、類似性が高いデータの座標であるとみなすことができる。

第２の画像解析部１２２では、ｎ個のデータそれぞれの、第１の画像解析データＩＡＤ１
に対する類似性の高さを示す情報を求めることができる。例えば、当該情報を用いて、図
１２（Ｂ）に示すように、類似性の高い順にデータを並べることができる。また、当該情
報を用いて、類似性の高さが所定の値以上のデータのみを出力することができる。

図１２（Ｂ）に示す例では、第２の画像解析データＩＡＤ２から、参照用画像解析データ
ＩＡＤ_ｒｅｆが有するｎ個のデータのうち、第１の画像解析データＩＡＤ１と最も類似し
ているデータは、データＩＤ_ｒｅｆ（１）であり、二番目に類似しているデータは、デー
タＩＤ_ｒｅｆ（ｎ）であるとわかる。

第２の画像解析データＩＡＤ２は、処理部１０３から出力される解析データＡＤの一部ま
たは全部といえる。なお、さらに第２の画像解析データＩＡＤ２と別のデータとを組み合
わせることで、解析データＡＤを生成してもよい。

以上により、知的財産情報検索システム１００を用いて、画像データＩＤに類似するデー
タを検索することができる。上記の例では、データＩＤ_ｒｅｆ（１）が、画像データＩＤ
と最も類似するデータであるとわかる。

＜２－３．文章及び画像の解析＞
図１３～図１５を用いて、知的財産情報検索システム１００で、文章及び画像の双方を用
いて検索する場合について説明する。図１３に、文章及び画像の双方を用いて検索できる
処理部１０３の構成を示す。図１４に、解析データを生成する処理のフローチャートを示
し、図１５（Ａ）に、ステップＳ５１の模式図を示し、図１５（Ｂ）に、ステップＳ５３
の模式図を示す。

［ステップＳ５１］
まず、解析部１３１に、データＤを入力し、文章データＴＤと、画像データＩＤと、に分
ける。

データＤは、例えば、データベース１０７から、伝送路１０２を介して、処理部１０３（
の解析部１３１）に入力される。

図１３では、生成した文章データＴＤ及び画像データＩＤを処理部１０３の外部に出力す
る例を示す。例えば、解析部１３１は、記憶部１０５またはデータベース１０７に、文章
データＴＤ及び画像データＩＤを出力することができる。または、解析部１３１から、直
接、文章解析部１１０に、文章データＴＤを供給してもよい。同様に、解析部１３１から
、直接、画像解析部１２０に、画像データＩＤを供給してもよい。

図１５（Ａ）に示すように、文章と画像が含まれた一つのデータＤを、文章データＴＤと
、画像データＩＤと、に分ける。

［ステップＳ５２ａ］
次に、文章解析部１１０に、文章データＴＤと、参照用文章解析データＴＡＤ_ｒｅｆと、
を入力し、参照用文章解析データＴＡＤ_ｒｅｆの中から文章データＴＤと類似するデータ
を検索して、文章解析データＴＡＤを生成する。

文章解析データＴＡＤの生成方法は、上記＜２－１．文章の解析＞を参照できる。文章解
析データＴＡＤは、例えば、上記第３の文章解析データＴＡＤ３に相当する。

［ステップＳ５２ｂ］
また、画像解析部１２０に、画像データＩＤと、参照用画像解析データＩＡＤ_ｒｅｆと、
を入力し、参照用画像解析データＩＡＤ_ｒｅｆの中から画像データＩＤと類似するデータ
を検索して、画像解析データＩＡＤを生成する。

画像解析データＩＡＤの生成方法は、上記＜２－２．画像の解析＞を参照できる。画像解
析データＩＡＤは、例えば、上記第２の画像解析データＩＡＤ２に相当する。

ステップＳ５２ａとステップＳ５２ｂは、どちらを先に行ってもよく、並行して行っても
よい。

［ステップＳ５３］
次に、解析部１３２に、文章解析データＴＡＤと、画像解析データＩＡＤと、を入力し、
文章解析データＴＡＤと、画像解析データＩＡＤと、を用いて、解析データＡＤを生成す
る。そして、解析データＡＤを出力する。

解析部１３２は、文章解析データＴＡＤと、画像解析データＩＡＤとを、そのまま解析デ
ータＡＤとして出力することもできる。

また、図１５（Ｂ）に示すように、文章解析データＴＡＤと、画像解析データＩＡＤと、
を総合して、データＤに類似するデータの順位づけを行い、解析データＡＤを生成しても
よい。

以上により、知的財産情報検索システム１００を用いて、文章及び画像の双方を含むデー
タＤに類似するデータを検索することができる。これにより、より高い精度で、検索を行
うことができる。

なお、解析部１３１で、データＤを、文章データＴＤと、画像データＩＤと、に分け、文
章データＴＤまたは画像データＩＤの一方のみを用いて、検索を行ってもよい。

＜２－４．２種以上の知的財産情報の検索＞
図１６及び図１７を用いて、知的財産情報検索システム１００で、１つの知的財産の情報
について、２種類以上の知的財産の情報を検索する場合について説明する。図１６に、１
つの知的財産の情報について、２種類以上の知的財産の情報を検索できる処理部１０３の
構成を示す。図１７に、解析データを生成する処理のフローチャートを示す。

［ステップＳ６１ａ］
まず、第１の処理部１０３ａに、データＤと、第１の参照用解析データＡＤ１_ｒｅｆと、
を入力する。

データＤ及び第１の参照用解析データＡＤ１_ｒｅｆは、例えば、データベース１０７から
、伝送路１０２を介して、処理部１０３（の第１の処理部１０３ａ）に入力される。

［ステップＳ６２ａ］
次に、第１の参照用解析データＡＤ１_ｒｅｆの中からデータＤと類似するデータを検索し
て、第１の解析データＡＤ１を生成する。

［ステップＳ６１ｂ］
また、第２の処理部１０３ｂに、データＤと、第２の参照用解析データＡＤ２_ｒｅｆと、
を入力する。

データＤ及び第２の参照用解析データＡＤ２_ｒｅｆは、例えば、データベース１０７から
、伝送路１０２を介して、処理部１０３（の第２の処理部１０３ｂ）に入力される。

［ステップＳ６２ｂ］
次に、第２の参照用解析データＡＤ２_ｒｅｆの中からデータＤと類似するデータを検索し
て、第２の解析データＡＤ２を生成する。

データＤが文章データのみを有する場合、第１の解析データＡＤ１及び第２の解析データ
ＡＤ２の生成方法は、上記＜２－１．文章の解析＞を参照できる。データＤが画像データ
のみを有する場合、当該生成方法は、上記＜２－２．画像の解析＞を参照できる。データ
Ｄが、文章データ及び画像データを有する場合、当該生成方法は、上記＜２－３．文章及
び画像の解析＞を参照できる。

ステップＳ６１ａからステップＳ６２ａまでの工程と、ステップＳ６１ｂからステップＳ
６２ｂまでの工程は、どちらを先に行ってもよく、並行して行ってもよい。

［ステップＳ６３］
次に、第１の解析データＡＤ１と、第２の解析データＡＤ２と、を用いて、解析データＡ
Ｄを生成する。そして、解析データＡＤを出力する。

解析部１３３は、第１の解析データＡＤ１と、第２の解析データＡＤ２とを、そのまま解
析データＡＤとして出力することもできる。

または、第１の解析データＡＤ１と、第２の解析データＡＤ２と、を総合して、データＤ
に類似するデータの順位づけを行い、解析データＡＤを生成してもよい。

例えば、第１の参照用解析データＡＤ１_ｒｅｆとして、特許文献を用い、第２の参照用解
析データＡＤ２_ｒｅｆとして、工業製品の情報を用いることで、データＤと類似する特許
文献及び工業製品の情報の双方を検索することができる。

以上により、知的財産情報検索システム１００を用いて、１つの知的財産の情報について
、２種類以上の知的財産の情報を検索することができる。

＜３．知的財産情報検索システムの例＞
次に、図１８に示す知的財産情報検索システム１５０について説明する。

図１８に、知的財産情報検索システム１５０のブロック図を示す。知的財産情報検索シス
テム１５０は、サーバ１５１と、端末１５２（パーソナルコンピュータなど）とを有する
。

サーバ１５１は、通信部１６１ａ、伝送路１６２、処理部１６３ａ、及びデータベース１
６７を有する。図１８では図示しないが、さらに、サーバ１５１は、記憶部、入出力部な
どを有していてもよい。

端末１５２は、通信部１６１ｂ、伝送路１６８、処理部１６３ｂ、記憶部１６５、及び入
出力部１６９を有する。図１８では図示しないが、端末１５２は、さらに、データベース
などを有していてもよい。

知的財産情報検索システム１５０の使用者は、端末１５２から、検索したい情報（第１の
情報）を有するデータを、サーバ１５１に入力する。当該データは、通信部１６１ｂから
通信部１６１ａに送信される。

通信部１６１ａが受信したデータは、伝送路１６２を介して、データベース１６７または
記憶部（図示しない）に保存される。または、当該データは、通信部１６１ａから、直接
、処理部１６３ａに供給されてもよい。

上記＜２．解析＞で説明した各種処理は、処理部１６３ａにて行われる。これらの処理は
、高い処理能力が求められるため、サーバ１５１が有する処理部１６３ａで行うことが好
ましい。

そして、処理部１６３ａにより、解析データが生成される。解析データは、伝送路１６２
を介して、データベース１６７または記憶部（図示しない）に保存される。または、解析
データは、処理部１６３ａから、直接、通信部１６１ａに供給されてもよい。その後、サ
ーバ１５１から、解析データが、端末１５２に出力される。当該データは、通信部１６１
ａから通信部１６１ｂに送信される。

［入出力部１６９］
入出力部１６９には、知的財産情報検索システム１５０の外部から情報が供給される。入
出力部１６９は、知的財産情報検索システム１５０の外部に情報を供給する機能を有する
。なお、知的財産情報検索システム１００のように、入力部と出力部が分かれていてもよ
い。

［伝送路１６２及び伝送路１６８］
伝送路１６２及び伝送路１６８は、情報を伝達する機能を有する。通信部１６１ａ、処理
部１６３ａ、及びデータベース１６７の間の情報の送受信は、伝送路１６２を介して行う
ことができる。通信部１６１ｂ、処理部１６３ｂ、記憶部１６５、及び入出力部１６９の
間の情報の送受信は、伝送路１６８を介して行うことができる。

［処理部１６３ａ及び処理部１６３ｂ］
処理部１６３ａは、通信部１６１ａ及びデータベース１６７などから供給された情報を用
いて、演算、推論などを行う機能を有する。処理部１６３ｂは、通信部１６１ｂ、記憶部
１６５、及び入出力部１６９などから供給された情報を用いて、演算などを行う機能を有
する。処理部１６３ａ及び処理部１６３ｂは、処理部１０３の説明を参照できる。特に、
処理部１６３ａは、上記＜２．解析＞で説明した各種処理を行うことができる。そのため
、処理部１６３ａは、処理部１６３ｂに比べて処理能力が高いことが好ましい。

［記憶部１６５］
記憶部１６５は、処理部１６３ｂが実行するプログラムを記憶する機能を有する。また、
記憶部１６５は、処理部１６３ｂが生成した演算結果、通信部１６１ｂに入力された情報
、及び入出力部１６９に入力された情報などを記憶する機能を有する。

［データベース１６７］
データベース１６７は、参照用解析データを記憶する機能を有する。また、データベース
１６７は、処理部１６３ａが生成した演算結果、及び通信部１６１ａに入力された情報な
どを記憶する機能を有していてもよい。または、サーバ１５１は、データベース１６７と
は別に記憶部を有し、当該記憶部が、処理部１６３ａが生成した演算結果、及び通信部１
６１ａに入力された情報などを記憶する機能を有していてもよい。

［通信部１６１ａ及び通信部１６１ｂ］
通信部１６１ａ及び通信部１６１ｂを用いて、サーバ１５１と端末１５２との間で、情報
の送受信を行うことができる。通信部１６１ａ及び通信部１６１ｂとしては、ハブ、ルー
タ、モデムなどを用いることができる。情報の送受信には、有線を用いても無線（例えば
、電波、赤外線など）を用いてもよい。

以上のように、本実施の形態の情報検索システムでは、事前に準備された複数の情報を検
索の対象として、入力された情報に類似する情報を検索することができる。検索に用いる
キーワードもしくはフレーズを選択する必要がなく、文章や画像を用いて検索することが
できるため、検索精度の個人差を低減することができ、簡便かつ高精度に、情報を検索で
きる。

本実施の形態は、他の実施の形態と適宜組み合わせることができる。また、本明細書にお
いて、１つの実施の形態の中に、複数の構成例が示される場合は、構成例を適宜組み合わ
せることが可能である。

（実施の形態２）
本実施の形態では、ニューラルネットワークに用いることが可能な半導体装置の構成例に
ついて説明する。

図１９（Ａ）に示すように、ニューラルネットワークＮＮは入力層ＩＬ、出力層ＯＬ、中
間層（隠れ層）ＨＬによって構成することができる。入力層ＩＬ、出力層ＯＬ、中間層Ｈ
Ｌはそれぞれ、１又は複数のニューロン（ユニット）を有する。なお、中間層ＨＬは１層
であってもよいし２層以上であってもよい。２層以上の中間層ＨＬを有するニューラルネ
ットワークはＤＮＮ（ディープニューラルネットワーク）と呼ぶこともでき、ディープニ
ューラルネットワークを用いた学習は深層学習と呼ぶこともできる。

入力層ＩＬの各ニューロンには入力データが入力され、中間層ＨＬの各ニューロンには前
層又は後層のニューロンの出力信号が入力され、出力層ＯＬの各ニューロンには前層のニ
ューロンの出力信号が入力される。なお、各ニューロンは、前後の層の全てのニューロン
と結合されていてもよいし（全結合）、一部のニューロンと結合されていてもよい。

図１９（Ｂ）に、ニューロンによる演算の例を示す。ここでは、ニューロンＮと、ニュー
ロンＮに信号を出力する前層の２つのニューロンを示している。ニューロンＮには、前層
のニューロンの出力ｘ_１と、前層のニューロンの出力ｘ_２が入力される。そして、ニュー
ロンＮにおいて、出力ｘ_１と重みｗ_１の乗算結果（ｘ_１ｗ_１）と出力ｘ_２と重みｗ_２の乗
算結果（ｘ_２ｗ_２）の総和ｘ_１ｗ_１＋ｘ_２ｗ_２が計算された後、必要に応じてバイアスｂ
が加算され、値ａ＝ｘ_１ｗ_１＋ｘ_２ｗ_２＋ｂが得られる。そして、値ａは活性化関数ｈに
よって変換され、ニューロンＮから出力信号ｙ＝ｈ（ａ）が出力される。

このように、ニューロンによる演算には、前層のニューロンの出力と重みの積を足し合わ
せる演算、すなわち積和演算が含まれる（上記のｘ_１ｗ_１＋ｘ_２ｗ_２）。この積和演算は
、プログラムを用いてソフトウェア上で行ってもよいし、ハードウェアによって行われて
もよい。積和演算をハードウェアによって行う場合は、積和演算回路を用いることができ
る。この積和演算回路としては、デジタル回路を用いてもよいし、アナログ回路を用いて
もよい。積和演算回路にアナログ回路を用いる場合、積和演算回路の回路規模の縮小、又
は、メモリへのアクセス回数の減少による処理速度の向上及び消費電力の低減を図ること
ができる。

積和演算回路は、チャネル形成領域にシリコン（単結晶シリコンなど）を含むトランジス
タ（以下、Ｓｉトランジスタともいう）によって構成してもよいし、チャネル形成領域に
酸化物半導体を含むトランジスタ（以下、ＯＳトランジスタともいう）によって構成して
もよい。特に、ＯＳトランジスタはオフ電流が極めて小さいため、積和演算回路のメモリ
を構成するトランジスタとして好適である。なお、ＳｉトランジスタとＯＳトランジスタ
の両方を用いて積和演算回路を構成してもよい。以下、積和演算回路の機能を備えた半導
体装置の構成例について説明する。

＜半導体装置の構成例＞
図２０に、ニューラルネットワークの演算を行う機能を有する半導体装置ＭＡＣの構成例
を示す。半導体装置ＭＡＣは、ニューロン間の結合強度（重み）に対応する第１のデータ
と、入力データに対応する第２のデータの積和演算を行う機能を有する。なお、第１のデ
ータ及び第２のデータはそれぞれ、アナログデータ又は多値のデジタルデータ（離散的な
データ）とすることができる。また、半導体装置ＭＡＣは、積和演算によって得られたデ
ータを活性化関数によって変換する機能を有する。

半導体装置ＭＡＣは、セルアレイＣＡ、電流源回路ＣＳ、カレントミラー回路ＣＭ、回路
ＷＤＤ、回路ＷＬＤ、回路ＣＬＤ、オフセット回路ＯＦＳＴ、及び活性化関数回路ＡＣＴ
Ｖを有する。

セルアレイＣＡは、複数のメモリセルＭＣ及び複数のメモリセルＭＣｒｅｆを有する。図
２０には、セルアレイＣＡがｍ行ｎ列（ｍ，ｎは１以上の整数）のメモリセルＭＣ（ＭＣ
［１，１］乃至［ｍ，ｎ］）と、ｍ個のメモリセルＭＣｒｅｆ（ＭＣｒｅｆ［１］乃至［
ｍ］）を有する構成例を示している。メモリセルＭＣは、第１のデータを格納する機能を
有する。また、メモリセルＭＣｒｅｆは、積和演算に用いられる参照データを格納する機
能を有する。なお、参照データはアナログデータ又は多値のデジタルデータとすることが
できる。

メモリセルＭＣ［ｉ，ｊ］（ｉは１以上ｍ以下の整数、ｊは１以上ｎ以下の整数）は、配
線ＷＬ［ｉ］、配線ＲＷ［ｉ］、配線ＷＤ［ｊ］、及び配線ＢＬ［ｊ］と接続されている
。また、メモリセルＭＣｒｅｆ［ｉ］は、配線ＷＬ［ｉ］、配線ＲＷ［ｉ］、配線ＷＤｒ
ｅｆ、配線ＢＬｒｅｆと接続されている。ここで、メモリセルＭＣ［ｉ，ｊ］と配線ＢＬ
［ｊ］間を流れる電流をＩ_{ＭＣ［ｉ，ｊ］}と表記し、メモリセルＭＣｒｅｆ［ｉ］と配線
ＢＬｒｅｆ間を流れる電流をＩ_{ＭＣｒｅｆ［ｉ］}と表記する。

メモリセルＭＣ及びメモリセルＭＣｒｅｆの具体的な構成例を、図２１に示す。図２１に
は代表例としてメモリセルＭＣ［１，１］、［２，１］及びメモリセルＭＣｒｅｆ［１］
、［２］を示しているが、他のメモリセルＭＣ及びメモリセルＭＣｒｅｆにも同様の構成
を用いることができる。メモリセルＭＣ及びメモリセルＭＣｒｅｆはそれぞれ、トランジ
スタＴｒ１１、トランジスタＴｒ１２、容量素子Ｃ１１を有する。ここでは、トランジス
タＴｒ１１及びトランジスタＴｒ１２がｎチャネル型のトランジスタである場合について
説明する。

メモリセルＭＣにおいて、トランジスタＴｒ１１のゲートは配線ＷＬと接続され、ソース
又はドレインの一方はトランジスタＴｒ１２のゲート、及び容量素子Ｃ１１の第１の電極
と接続され、ソース又はドレインの他方は配線ＷＤと接続されている。トランジスタＴｒ
１２のソース又はドレインの一方は配線ＢＬと接続され、ソース又はドレインの他方は配
線ＶＲと接続されている。容量素子Ｃ１１の第２の電極は、配線ＲＷと接続されている。
配線ＶＲは、所定の電位を供給する機能を有する配線である。ここでは一例として、配線
ＶＲから低電源電位（接地電位など）が供給される場合について説明する。

トランジスタＴｒ１１のソース又はドレインの一方、トランジスタＴｒ１２のゲート、及
び容量素子Ｃ１１の第１の電極と接続されたノードを、ノードＮＭとする。また、メモリ
セルＭＣ［１，１］、［２，１］のノードＮＭを、それぞれノードＮＭ［１，１］、［２
，１］と表記する。

メモリセルＭＣｒｅｆも、メモリセルＭＣと同様の構成を有する。ただし、メモリセルＭ
Ｃｒｅｆは配線ＷＤの代わりに配線ＷＤｒｅｆと接続され、配線ＢＬの代わりに配線ＢＬ
ｒｅｆと接続されている。また、メモリセルＭＣｒｅｆ［１］、［２］において、トラン
ジスタＴｒ１１のソース又はドレインの一方、トランジスタＴｒ１２のゲート、及び容量
素子Ｃ１１の第１の電極と接続されたノードを、それぞれノードＮＭｒｅｆ［１］、［２
］と表記する。

ノードＮＭとノードＮＭｒｅｆはそれぞれ、メモリセルＭＣとメモリセルＭＣｒｅｆの保
持ノードとして機能する。ノードＮＭには第１のデータが保持され、ノードＮＭｒｅｆに
は参照データが保持される。また、配線ＢＬ［１］からメモリセルＭＣ［１，１］、［２
，１］のトランジスタＴｒ１２には、それぞれ電流Ｉ_{ＭＣ［１，１］}、Ｉ_{ＭＣ［２，１］}
が流れる。また、配線ＢＬｒｅｆからメモリセルＭＣｒｅｆ［１］、［２］のトランジス
タＴｒ１２には、それぞれ電流Ｉ_{ＭＣｒｅｆ［１］}、Ｉ_{ＭＣｒｅｆ［２］}が流れる。

トランジスタＴｒ１１は、ノードＮＭ又はノードＮＭｒｅｆの電位を保持する機能を有す
るため、トランジスタＴｒ１１のオフ電流は小さいことが好ましい。そのため、トランジ
スタＴｒ１１としてオフ電流が極めて小さいＯＳトランジスタを用いることが好ましい。
これにより、ノードＮＭ又はノードＮＭｒｅｆの電位の変動を抑えることができ、演算精
度の向上を図ることができる。また、ノードＮＭ又はノードＮＭｒｅｆの電位をリフレッ
シュする動作の頻度を低く抑えることが可能となり、消費電力を削減することができる。

トランジスタＴｒ１２は特に限定されず、例えばＳｉトランジスタ又はＯＳトランジスタ
などを用いることができる。トランジスタＴｒ１２にＯＳトランジスタを用いる場合、ト
ランジスタＴｒ１１と同じ製造装置を用いて、トランジスタＴｒ１２を作製することが可
能となり、製造コストを抑制することができる。なお、トランジスタＴｒ１２はｎチャネ
ル型であってもｐチャネル型であってもよい。

電流源回路ＣＳは、配線ＢＬ［１］乃至［ｎ］及び配線ＢＬｒｅｆと接続されている。電
流源回路ＣＳは、配線ＢＬ［１］乃至［ｎ］及び配線ＢＬｒｅｆに電流を供給する機能を
有する。なお、配線ＢＬ［１］乃至［ｎ］に供給される電流値と配線ＢＬｒｅｆに供給さ
れる電流値は異なっていてもよい。ここでは、電流源回路ＣＳから配線ＢＬ［１］乃至［
ｎ］に供給される電流をＩ_Ｃ、電流源回路ＣＳから配線ＢＬｒｅｆに供給される電流をＩ
_Ｃｒｅｆと表記する。

カレントミラー回路ＣＭは、配線ＩＬ［１］乃至［ｎ］及び配線ＩＬｒｅｆを有する。配
線ＩＬ［１］乃至［ｎ］はそれぞれ配線ＢＬ［１］乃至［ｎ］と接続され、配線ＩＬｒｅ
ｆは、配線ＢＬｒｅｆと接続されている。ここでは、配線ＩＬ［１］乃至［ｎ］と配線Ｂ
Ｌ［１］乃至［ｎ］の接続箇所をノードＮＰ［１］乃至［ｎ］と表記する。また、配線Ｉ
Ｌｒｅｆと配線ＢＬｒｅｆの接続箇所をノードＮＰｒｅｆと表記する。

カレントミラー回路ＣＭは、ノードＮＰｒｅｆの電位に応じた電流Ｉ_ＣＭを配線ＩＬｒｅ
ｆに流す機能と、この電流Ｉ_ＣＭを配線ＩＬ［１］乃至［ｎ］にも流す機能を有する。図
２０には、配線ＢＬｒｅｆから配線ＩＬｒｅｆに電流Ｉ_ＣＭが排出され、配線ＢＬ［１］
乃至［ｎ］から配線ＩＬ［１］乃至［ｎ］に電流Ｉ_ＣＭが排出される例を示している。ま
た、カレントミラー回路ＣＭから配線ＢＬ［１］乃至［ｎ］を介してセルアレイＣＡに流
れる電流を、Ｉ_Ｂ［１］乃至［ｎ］と表記する。また、カレントミラー回路ＣＭから配線
ＢＬｒｅｆを介してセルアレイＣＡに流れる電流を、Ｉ_Ｂｒｅｆと表記する。

回路ＷＤＤは、配線ＷＤ［１］乃至［ｎ］及び配線ＷＤｒｅｆと接続されている。回路Ｗ
ＤＤは、メモリセルＭＣに格納される第１のデータに対応する電位を、配線ＷＤ［１］乃
至［ｎ］に供給する機能を有する。また、回路ＷＤＤは、メモリセルＭＣｒｅｆに格納さ
れる参照データに対応する電位を、配線ＷＤｒｅｆに供給する機能を有する。回路ＷＬＤ
は、配線ＷＬ［１］乃至［ｍ］と接続されている。回路ＷＬＤは、データの書き込みを行
うメモリセルＭＣ又はメモリセルＭＣｒｅｆを選択するための信号を、配線ＷＬ［１］乃
至［ｍ］に供給する機能を有する。回路ＣＬＤは、配線ＲＷ［１］乃至［ｍ］と接続され
ている。回路ＣＬＤは、第２のデータに対応する電位を、配線ＲＷ［１］乃至［ｍ］に供
給する機能を有する。

オフセット回路ＯＦＳＴは、配線ＢＬ［１］乃至［ｎ］及び配線ＯＬ［１］乃至［ｎ］と
接続されている。オフセット回路ＯＦＳＴは、配線ＢＬ［１］乃至［ｎ］からオフセット
回路ＯＦＳＴに流れる電流量、及び／又は、配線ＢＬ［１］乃至［ｎ］からオフセット回
路ＯＦＳＴに流れる電流の変化量を検出する機能を有する。また、オフセット回路ＯＦＳ
Ｔは、検出結果を配線ＯＬ［１］乃至［ｎ］に出力する機能を有する。なお、オフセット
回路ＯＦＳＴは、検出結果に対応する電流を配線ＯＬに出力してもよいし、検出結果に対
応する電流を電圧に変換して配線ＯＬに出力してもよい。セルアレイＣＡとオフセット回
路ＯＦＳＴの間を流れる電流を、Ｉ_α［１］乃至［ｎ］と表記する。

オフセット回路ＯＦＳＴの構成例を図２２に示す。図２２に示すオフセット回路ＯＦＳＴ
は、回路ＯＣ［１］乃至［ｎ］を有する。また、回路ＯＣ［１］乃至［ｎ］はそれぞれ、
トランジスタＴｒ２１、トランジスタＴｒ２２、トランジスタＴｒ２３、容量素子Ｃ２１
、及び抵抗素子Ｒ１を有する。各素子の接続関係は図２２に示す通りである。なお、容量
素子Ｃ２１の第１の電極及び抵抗素子Ｒ１の第１の端子と接続されたノードを、ノードＮ
ａとする。また、容量素子Ｃ２１の第２の電極、トランジスタＴｒ２１のソース又はドレ
インの一方、及びトランジスタＴｒ２２のゲートと接続されたノードを、ノードＮｂとす
る。

配線ＶｒｅｆＬは電位Ｖｒｅｆを供給する機能を有し、配線ＶａＬは電位Ｖａを供給する
機能を有し、配線ＶｂＬは電位Ｖｂを供給する機能を有する。また、配線ＶＤＤＬは電位
ＶＤＤを供給する機能を有し、配線ＶＳＳＬは電位ＶＳＳを供給する機能を有する。ここ
では、電位ＶＤＤが高電源電位であり、電位ＶＳＳが低電源電位である場合について説明
する。また、配線ＲＳＴは、トランジスタＴｒ２１の導通状態を制御するための電位を供
給する機能を有する。トランジスタＴｒ２２、トランジスタＴｒ２３、配線ＶＤＤＬ、配
線ＶＳＳＬ、及び配線ＶｂＬによって、ソースフォロワ回路が構成される。

次に、回路ＯＣ［１］乃至［ｎ］の動作例を説明する。なお、ここでは代表例として回路
ＯＣ［１］の動作例を説明するが、回路ＯＣ［２］乃至［ｎ］も同様に動作させることが
できる。まず、配線ＢＬ［１］に第１の電流が流れると、ノードＮａの電位は、第１の電
流と抵抗素子Ｒ１の抵抗値に応じた電位となる。また、このときトランジスタＴｒ２１は
オン状態であり、ノードＮｂに電位Ｖａが供給される。その後、トランジスタＴｒ２１は
オフ状態となる。

次に、配線ＢＬ［１］に第２の電流が流れると、ノードＮａの電位は、第２の電流と抵抗
素子Ｒ１の抵抗値に応じた電位に変化する。このときトランジスタＴｒ２１はオフ状態で
あり、ノードＮｂはフローティング状態となっているため、ノードＮａの電位の変化に伴
い、ノードＮｂの電位は容量結合により変化する。ここで、ノードＮａの電位の変化をΔ
Ｖ_Ｎａとし、容量結合係数を１とすると、ノードＮｂの電位はＶａ＋ΔＶ_Ｎａとなる。そ
して、トランジスタＴｒ２２のしきい値電圧をＶ_ｔｈとすると、配線ＯＬ［１］から電位
Ｖａ＋ΔＶ_Ｎａ－Ｖ_ｔｈが出力される。ここで、Ｖａ＝Ｖ_ｔｈとすることにより、配線Ｏ
Ｌ［１］から電位ΔＶ_Ｎａを出力することができる。

電位ΔＶ_Ｎａは、第１の電流から第２の電流への変化量、抵抗素子Ｒ１、及び電位Ｖｒｅ
ｆに応じて定まる。ここで、抵抗素子Ｒ１と電位Ｖｒｅｆは既知であるため、電位ΔＶ_Ｎ
ａから配線ＢＬに流れる電流の変化量を求めることができる。

上記のようにオフセット回路ＯＦＳＴによって検出された電流量、及び／又は電流の変化
量に対応する信号は、配線ＯＬ［１］乃至［ｎ］を介して活性化関数回路ＡＣＴＶに入力
される。

活性化関数回路ＡＣＴＶは、配線ＯＬ［１］乃至［ｎ］、及び、配線ＮＩＬ［１］乃至［
ｎ］と接続されている。活性化関数回路ＡＣＴＶは、オフセット回路ＯＦＳＴから入力さ
れた信号を、あらかじめ定義された活性化関数に従って変換するための演算を行う機能を
有する。活性化関数としては、例えば、シグモイド関数、ｔａｎｈ関数、ｓｏｆｔｍａｘ
関数、ＲｅＬＵ関数、しきい値関数などを用いることができる。活性化関数回路ＡＣＴＶ
によって変換された信号は、出力データとして配線ＮＩＬ［１］乃至［ｎ］に出力される
。

＜半導体装置の動作例＞
上記の半導体装置ＭＡＣを用いて、第１のデータと第２のデータの積和演算を行うことが
できる。以下、積和演算を行う際の半導体装置ＭＡＣの動作例を説明する。

図２３に半導体装置ＭＡＣの動作例のタイミングチャートを示す。図２３には、図２１に
おける配線ＷＬ［１］、配線ＷＬ［２］、配線ＷＤ［１］、配線ＷＤｒｅｆ、ノードＮＭ
［１，１］、ノードＮＭ［２，１］、ノードＮＭｒｅｆ［１］、ノードＮＭｒｅｆ［２］
、配線ＲＷ［１］、及び配線ＲＷ［２］の電位の推移と、電流Ｉ_Ｂ［１］－Ｉ_α［１］、
及び電流Ｉ_Ｂｒｅｆの値の推移を示している。電流Ｉ_Ｂ［１］－Ｉ_α［１］は、配線ＢＬ
［１］からメモリセルＭＣ［１，１］、［２，１］に流れる電流の総和に相当する。

なお、ここでは代表例として図２１に示すメモリセルＭＣ［１，１］、［２，１］及びメ
モリセルＭＣｒｅｆ［１］、［２］に着目して動作を説明するが、他のメモリセルＭＣ及
びメモリセルＭＣｒｅｆも同様に動作させることができる。

［第１のデータの格納］
まず、時刻Ｔ０１－Ｔ０２において、配線ＷＬ［１］の電位がハイレベルとなり、配線Ｗ
Ｄ［１］の電位が接地電位（ＧＮＤ）よりもＶ_ＰＲ－Ｖ_{Ｗ［１，１］}大きい電位となり、
配線ＷＤｒｅｆの電位が接地電位よりもＶ_ＰＲ大きい電位となる。また、配線ＲＷ［１］
、及び配線ＲＷ［２］の電位が基準電位（ＲＥＦＰ）となる。なお、電位Ｖ_{Ｗ［１，１］}
はメモリセルＭＣ［１，１］に格納される第１のデータに対応する電位である。また、電
位Ｖ_ＰＲは参照データに対応する電位である。これにより、メモリセルＭＣ［１，１］及
びメモリセルＭＣｒｅｆ［１］が有するトランジスタＴｒ１１がオン状態となり、ノード
ＮＭ［１，１］の電位がＶ_ＰＲ－Ｖ_{Ｗ［１，１］}、ノードＮＭｒｅｆ［１］の電位がＶ_Ｐ
Ｒとなる。

このとき、配線ＢＬ［１］からメモリセルＭＣ［１，１］のトランジスタＴｒ１２に流れ
る電流Ｉ_{ＭＣ［１，１］，０}は、次の式で表すことができる。ここで、ｋはトランジスタ
Ｔｒ１２のチャネル長、チャネル幅、移動度、及びゲート絶縁膜の容量などで決まる定数
である。また、Ｖ_ｔｈはトランジスタＴｒ１２のしきい値電圧である。

Ｉ_{ＭＣ［１，１］，０}＝ｋ（Ｖ_ＰＲ－Ｖ_{Ｗ［１，１］}－Ｖ_ｔｈ）^２ （Ｅ１）

また、配線ＢＬｒｅｆからメモリセルＭＣｒｅｆ［１］のトランジスタＴｒ１２に流れる
電流Ｉ_{ＭＣｒｅｆ［１］，０}は、次の式で表すことができる。

Ｉ_{ＭＣｒｅｆ［１］，０}＝ｋ（Ｖ_ＰＲ－Ｖ_ｔｈ）^２ （Ｅ２）

次に、時刻Ｔ０２－Ｔ０３において、配線ＷＬ［１］の電位がローレベルとなる。これに
より、メモリセルＭＣ［１，１］及びメモリセルＭＣｒｅｆ［１］が有するトランジスタ
Ｔｒ１１がオフ状態となり、ノードＮＭ［１，１］及びノードＮＭｒｅｆ［１］の電位が
保持される。

なお、前述の通り、トランジスタＴｒ１１としてＯＳトランジスタを用いることが好まし
い。これにより、トランジスタＴｒ１１のリーク電流を抑えることができ、ノードＮＭ［
１，１］及びノードＮＭｒｅｆ［１］の電位を正確に保持することができる。

次に、時刻Ｔ０３－Ｔ０４において、配線ＷＬ［２］の電位がハイレベルとなり、配線Ｗ
Ｄ［１］の電位が接地電位よりもＶ_ＰＲ－Ｖ_{Ｗ［２，１］}大きい電位となり、配線ＷＤｒ
ｅｆの電位が接地電位よりもＶ_ＰＲ大きい電位となる。なお、電位Ｖ_{Ｗ［２，１］}はメモ
リセルＭＣ［２，１］に格納される第１のデータに対応する電位である。これにより、メ
モリセルＭＣ［２，１］及びメモリセルＭＣｒｅｆ［２］が有するトランジスタＴｒ１１
がオン状態となり、ノードＮＭ［２，１］の電位がＶ_ＰＲ－Ｖ_{Ｗ［２，１］}、ノードＮＭ
ｒｅｆ［２］の電位がＶ_ＰＲとなる。

このとき、配線ＢＬ［１］からメモリセルＭＣ［２，１］のトランジスタＴｒ１２に流れ
る電流Ｉ_{ＭＣ［２，１］，０}は、次の式で表すことができる。

Ｉ_{ＭＣ［２，１］，０}＝ｋ（Ｖ_ＰＲ－Ｖ_{Ｗ［２，１］}－Ｖ_ｔｈ）^２ （Ｅ３）

また、配線ＢＬｒｅｆからメモリセルＭＣｒｅｆ［２］のトランジスタＴｒ１２に流れる
電流Ｉ_{ＭＣｒｅｆ［２］，０}は、次の式で表すことができる。

Ｉ_{ＭＣｒｅｆ［２］，０}＝ｋ（Ｖ_ＰＲ－Ｖ_ｔｈ）^２ （Ｅ４）

次に、時刻Ｔ０４－Ｔ０５において、配線ＷＬ［２］の電位がローレベルとなる。これに
より、メモリセルＭＣ［２，１］及びメモリセルＭＣｒｅｆ［２］が有するトランジスタ
Ｔｒ１１がオフ状態となり、ノードＮＭ［２，１］及びノードＮＭｒｅｆ［２］の電位が
保持される。

以上の動作により、メモリセルＭＣ［１，１］、［２，１］に第１のデータが格納され、
メモリセルＭＣｒｅｆ［１］、［２］に参照データが格納される。

ここで、時刻Ｔ０４－Ｔ０５において、配線ＢＬ［１］及び配線ＢＬｒｅｆに流れる電流
を考える。配線ＢＬｒｅｆには、電流源回路ＣＳから電流が供給される。また、配線ＢＬ
ｒｅｆを流れる電流は、カレントミラー回路ＣＭ、メモリセルＭＣｒｅｆ［１］、［２］
へ排出される。電流源回路ＣＳから配線ＢＬｒｅｆに供給される電流をＩ_Ｃｒｅｆ、配線
ＢＬｒｅｆからカレントミラー回路ＣＭへ排出される電流をＩ_ＣＭ，０とすると、次の式
が成り立つ。

Ｉ_Ｃｒｅｆ－Ｉ_ＣＭ，０＝Ｉ_{ＭＣｒｅｆ［１］，０}＋Ｉ_{ＭＣｒｅｆ［２］，０}
（Ｅ５）

配線ＢＬ［１］には、電流源回路ＣＳからの電流が供給される。また、配線ＢＬ［１］を
流れる電流は、カレントミラー回路ＣＭ、メモリセルＭＣ［１，１］、［２，１］へ排出
される。また、配線ＢＬ［１］からオフセット回路ＯＦＳＴに電流が流れる。電流源回路
ＣＳから配線ＢＬ［１］に供給される電流をＩ_Ｃ，０、配線ＢＬ［１］からオフセット回
路ＯＦＳＴに流れる電流をＩ_α，０とすると、次の式が成り立つ。

Ｉ_Ｃ－Ｉ_ＣＭ，０＝Ｉ_{ＭＣ［１，１］，０}＋Ｉ_{ＭＣ［２，１］，０}＋Ｉ_α，０
（Ｅ６）

［第１のデータと第２のデータの積和演算］
次に、時刻Ｔ０５－Ｔ０６において、配線ＲＷ［１］の電位が基準電位よりもＶ_Ｘ［１］
大きい電位となる。このとき、メモリセルＭＣ［１，１］、及びメモリセルＭＣｒｅｆ［
１］のそれぞれの容量素子Ｃ１１には電位Ｖ_Ｘ［１］が供給され、容量結合によりトラン
ジスタＴｒ１２のゲートの電位が上昇する。なお、電位Ｖ_Ｘ［１］はメモリセルＭＣ［１
，１］及びメモリセルＭＣｒｅｆ［１］に供給される第２のデータに対応する電位である
。

トランジスタＴｒ１２のゲートの電位の変化量は、配線ＲＷの電位の変化量に、メモリセ
ルの構成によって決まる容量結合係数を乗じた値となる。容量結合係数は、容量素子Ｃ１
１の容量、トランジスタＴｒ１２のゲート容量、及び寄生容量などによって算出される。
以下では便宜上、配線ＲＷの電位の変化量とトランジスタＴｒ１２のゲートの電位の変化
量が同じ、すなわち容量結合係数が１であるとして説明する。実際には、容量結合係数を
考慮して電位Ｖ_Ｘを決定すればよい。

メモリセルＭＣ［１，１］及びメモリセルＭＣｒｅｆ［１］の容量素子Ｃ１１に電位Ｖ_{Ｘ
［１］}が供給されると、ノードＮＭ［１，１］及びノードＮＭｒｅｆ［１］の電位がそれ
ぞれＶ_Ｘ［１］上昇する。

ここで、時刻Ｔ０５－Ｔ０６において、配線ＢＬ［１］からメモリセルＭＣ［１，１］の
トランジスタＴｒ１２に流れる電流Ｉ_{ＭＣ［１，１］，１}は、次の式で表すことができる
。

Ｉ_{ＭＣ［１，１］，１}＝ｋ（Ｖ_ＰＲ－Ｖ_{Ｗ［１，１］}＋Ｖ_Ｘ［１］－Ｖ_ｔｈ）^２
（Ｅ７）

すなわち、配線ＲＷ［１］に電位Ｖ_Ｘ［１］を供給することにより、配線ＢＬ［１］から
メモリセルＭＣ［１，１］のトランジスタＴｒ１２に流れる電流は、ΔＩ_{ＭＣ［１，１］}
＝Ｉ_{ＭＣ［１，１］，１}－Ｉ_{ＭＣ［１，１］，０}増加する。

また、時刻Ｔ０５－Ｔ０６において、配線ＢＬｒｅｆからメモリセルＭＣｒｅｆ［１］の
トランジスタＴｒ１２に流れる電流Ｉ_{ＭＣｒｅｆ［１］，１}は、次の式で表すことができ
る。

Ｉ_{ＭＣｒｅｆ［１］，１}＝ｋ（Ｖ_ＰＲ＋Ｖ_Ｘ［１］－Ｖ_ｔｈ）^２ （Ｅ８）

すなわち、配線ＲＷ［１］に電位Ｖ_Ｘ［１］を供給することにより、配線ＢＬｒｅｆから
メモリセルＭＣｒｅｆ［１］のトランジスタＴｒ１２に流れる電流は、ΔＩ_{ＭＣｒｅｆ［
１］}＝Ｉ_{ＭＣｒｅｆ［１］，１}－Ｉ_{ＭＣｒｅｆ［１］，０}増加する。

また、配線ＢＬ［１］及び配線ＢＬｒｅｆに流れる電流について考える。配線ＢＬｒｅｆ
には、電流源回路ＣＳから電流Ｉ_Ｃｒｅｆが供給される。また、配線ＢＬｒｅｆを流れる
電流は、カレントミラー回路ＣＭ、メモリセルＭＣｒｅｆ［１］、［２］へ排出される。
配線ＢＬｒｅｆからカレントミラー回路ＣＭへ排出される電流をＩ_ＣＭ，１とすると、次
の式が成り立つ。

Ｉ_Ｃｒｅｆ－Ｉ_ＣＭ，１＝Ｉ_{ＭＣｒｅｆ［１］，１}＋Ｉ_{ＭＣｒｅｆ［２］，０}
（Ｅ９）

配線ＢＬ［１］には、電流源回路ＣＳから電流Ｉ_Ｃが供給される。また、配線ＢＬ［１］
を流れる電流は、カレントミラー回路ＣＭ、メモリセルＭＣ［１，１］、［２，１］へ排
出される。さらに、配線ＢＬ［１］からオフセット回路ＯＦＳＴにも電流が流れる。配線
ＢＬ［１］からオフセット回路ＯＦＳＴに流れる電流をＩ_α，１とすると、次の式が成り
立つ。

Ｉ_Ｃ－Ｉ_ＣＭ，１＝Ｉ_{ＭＣ［１，１］，１}＋Ｉ_{ＭＣ［２，１］，１}＋Ｉ_α，１
（Ｅ１０）

そして、式（Ｅ１）乃至式（Ｅ１０）から、電流Ｉ_α，０と電流Ｉ_α，１の差（差分電流
ΔＩ_α）は次の式で表すことができる。

ΔＩ_α＝Ｉ_α，１－Ｉ_α，０＝２ｋＶ_{Ｗ［１，１］}Ｖ_Ｘ［１］ （Ｅ１１）

このように、差分電流ΔＩ_αは、電位Ｖ_{Ｗ［１，１］}とＶ_Ｘ［１］の積に応じた値となる
。

その後、時刻Ｔ０６－Ｔ０７において、配線ＲＷ［１］の電位は接地電位となり、ノード
ＮＭ［１，１］及びノードＮＭｒｅｆ［１］の電位は時刻Ｔ０４－Ｔ０５と同様になる。

次に、時刻Ｔ０７－Ｔ０８において、配線ＲＷ［１］の電位が基準電位よりもＶ_Ｘ［１］
大きい電位となり、配線ＲＷ［２］の電位が基準電位よりもＶ_Ｘ［２］大きい電位となる
。これにより、メモリセルＭＣ［１，１］、及びメモリセルＭＣｒｅｆ［１］のそれぞれ
の容量素子Ｃ１１に電位Ｖ_Ｘ［１］が供給され、容量結合によりノードＮＭ［１，１］及
びノードＮＭｒｅｆ［１］の電位がそれぞれＶ_Ｘ［１］上昇する。また、メモリセルＭＣ
［２，１］、及びメモリセルＭＣｒｅｆ［２］のそれぞれの容量素子Ｃ１１に電位Ｖ_{Ｘ［
２］}が供給され、容量結合によりノードＮＭ［２，１］及びノードＮＭｒｅｆ［２］の電
位がそれぞれＶ_Ｘ［２］上昇する。

ここで、時刻Ｔ０７－Ｔ０８において、配線ＢＬ［１］からメモリセルＭＣ［２，１］の
トランジスタＴｒ１２に流れる電流Ｉ_{ＭＣ［２，１］，１}は、次の式で表すことができる
。

Ｉ_{ＭＣ［２，１］，１}＝ｋ（Ｖ_ＰＲ－Ｖ_{Ｗ［２，１］}＋Ｖ_Ｘ［２］－Ｖ_ｔｈ）^２
（Ｅ１２）

すなわち、配線ＲＷ［２］に電位Ｖ_Ｘ［２］を供給することにより、配線ＢＬ［１］から
メモリセルＭＣ［２，１］のトランジスタＴｒ１２に流れる電流は、ΔＩ_{ＭＣ［２，１］}
＝Ｉ_{ＭＣ［２，１］，１}－Ｉ_{ＭＣ［２，１］，０}増加する。

また、時刻Ｔ０５－Ｔ０６において、配線ＢＬｒｅｆからメモリセルＭＣｒｅｆ［２］の
トランジスタＴｒ１２に流れる電流Ｉ_{ＭＣｒｅｆ［２］，１}は、次の式で表すことができ
る。

Ｉ_{ＭＣｒｅｆ［２］，１}＝ｋ（Ｖ_ＰＲ＋Ｖ_Ｘ［２］－Ｖ_ｔｈ）^２ （Ｅ１３）

すなわち、配線ＲＷ［２］に電位Ｖ_Ｘ［２］を供給することにより、配線ＢＬｒｅｆから
メモリセルＭＣｒｅｆ［２］のトランジスタＴｒ１２に流れる電流は、ΔＩ_{ＭＣｒｅｆ［
２］}＝Ｉ_{ＭＣｒｅｆ［２］，１}－Ｉ_{ＭＣｒｅｆ［２］，０}増加する。

また、配線ＢＬ［１］及び配線ＢＬｒｅｆに流れる電流について考える。配線ＢＬｒｅｆ
には、電流源回路ＣＳから電流Ｉ_Ｃｒｅｆが供給される。また、配線ＢＬｒｅｆを流れる
電流は、カレントミラー回路ＣＭ、メモリセルＭＣｒｅｆ［１］、［２］へ排出される。
配線ＢＬｒｅｆからカレントミラー回路ＣＭへ排出される電流をＩ_ＣＭ，２とすると、次
の式が成り立つ。

Ｉ_Ｃｒｅｆ－Ｉ_ＣＭ，２＝Ｉ_{ＭＣｒｅｆ［１］，１}＋Ｉ_{ＭＣｒｅｆ［２］，１}
（Ｅ１４）

配線ＢＬ［１］には、電流源回路ＣＳから電流Ｉ_Ｃが供給される。また、配線ＢＬ［１］
を流れる電流は、カレントミラー回路ＣＭ、メモリセルＭＣ［１，１］、［２，１］へ排
出される。さらに、配線ＢＬ［１］からオフセット回路ＯＦＳＴにも電流が流れる。配線
ＢＬ［１］からオフセット回路ＯＦＳＴに流れる電流をＩ_α，２とすると、次の式が成り
立つ。

Ｉ_Ｃ－Ｉ_ＣＭ，２＝Ｉ_{ＭＣ［１，１］，１}＋Ｉ_{ＭＣ［２，１］，１}＋Ｉ_α，２
（Ｅ１５）

そして、式（Ｅ１）乃至式（Ｅ８）、及び、式（Ｅ１２）乃至式（Ｅ１５）から、電流Ｉ
_α，０と電流Ｉ_α，２の差（差分電流ΔＩ_α）は次の式で表すことができる。

ΔＩ_α＝Ｉ_α，２－Ｉ_α，０＝２ｋ（Ｖ_{Ｗ［１，１］}Ｖ_Ｘ［１］＋Ｖ_{Ｗ［２，１］}Ｖ_{Ｘ［
２］}） （Ｅ１６）

このように、差分電流ΔＩ_αは、電位Ｖ_{Ｗ［１，１］}と電位Ｖ_Ｘ［１］の積と、電位Ｖ_{Ｗ
［２，１］}と電位Ｖ_Ｘ［２］の積と、を足し合わせた結果に応じた値となる。

その後、時刻Ｔ０８－Ｔ０９において、配線ＲＷ［１］、［２］の電位は接地電位となり
、ノードＮＭ［１，１］、［２，１］及びノードＮＭｒｅｆ［１］、［２］の電位は時刻
Ｔ０４－Ｔ０５と同様になる。

式（Ｅ９）及び式（Ｅ１６）に示されるように、オフセット回路ＯＦＳＴに入力される差
分電流ΔＩ_αは、第１のデータ（重み）に対応する電位Ｖ_Ｘと、第２のデータ（入力デー
タ）に対応する電位Ｖ_Ｗの積を足し合わせた結果に応じた値となる。すなわち、差分電流
ΔＩ_αをオフセット回路ＯＦＳＴで計測することにより、第１のデータと第２のデータの
積和演算の結果を得ることができる。

なお、上記では特にメモリセルＭＣ［１，１］、［２，１］及びメモリセルＭＣｒｅｆ［
１］、［２］に着目したが、メモリセルＭＣ及びメモリセルＭＣｒｅｆの数は任意に設定
することができる。メモリセルＭＣ及びメモリセルＭＣｒｅｆの行数ｍを任意の数とした
場合の差分電流ΔＩαは、次の式で表すことができる。

ΔＩ_α＝２ｋΣ_ｉＶ_{Ｗ［ｉ，１］}Ｖ_Ｘ［ｉ］ （Ｅ１７）

また、メモリセルＭＣ及びメモリセルＭＣｒｅｆの列数ｎを増やすことにより、並列して
実行される積和演算の数を増やすことができる。

以上のように、半導体装置ＭＡＣを用いることにより、第１のデータと第２のデータの積
和演算を行うことができる。なお、メモリセルＭＣ及びメモリセルＭＣｒｅｆとして図２
１に示す構成を用いることにより、少ないトランジスタ数で積和演算回路を構成すること
ができる。そのため、半導体装置ＭＡＣの回路規模の縮小を図ることができる。

半導体装置ＭＡＣをニューラルネットワークにおける演算に用いる場合、メモリセルＭＣ
の行数ｍは一のニューロンに供給される入力データの数に対応させ、メモリセルＭＣの列
数ｎはニューロンの数に対応させることができる。例えば、図１９（Ａ）に示す中間層Ｈ
Ｌにおいて半導体装置ＭＡＣを用いた積和演算を行う場合を考える。このとき、メモリセ
ルＭＣの行数ｍは、入力層ＩＬから供給される入力データの数（入力層ＩＬのニューロン
の数）に設定し、メモリセルＭＣの列数ｎは、中間層ＨＬのニューロンの数に設定するこ
とができる。

なお、半導体装置ＭＡＣを適用するニューラルネットワークの構造は特に限定されない。
例えば半導体装置ＭＡＣは、畳み込みニューラルネットワーク（ＣＮＮ）、再帰型ニュー
ラルネットワーク（ＲＮＮ）、オートエンコーダ、ボルツマンマシン（制限ボルツマンマ
シンを含む）などに用いることもできる。

以上のように、半導体装置ＭＡＣを用いることにより、ニューラルネットワークの積和演
算を行うことができる。さらに、セルアレイＣＡに図２１に示すメモリセルＭＣ及びメモ
リセルＭＣｒｅｆを用いることにより、演算精度の向上、消費電力の削減、又は回路規模
の縮小を図ることが可能な集積回路を提供することができる。

本実施の形態は、他の実施の形態と適宜組み合わせることができる。

ＡＤ１ 第１の解析データ
ＡＤ２ 第２の解析データ
Ｃ１１ 容量素子
Ｃ２１ 容量素子
ＩＡＤ１ 第１の画像解析データ
ＩＡＤ２ 第２の画像解析データ
Ｒ１ 抵抗素子
ＴＡＤ１ 第１の文章解析データ
ＴＡＤ２ 第２の文章解析データ
ＴＡＤ３ 第３の文章解析データ
Ｔｒ１１ トランジスタ
Ｔｒ１２ トランジスタ
Ｔｒ２１ トランジスタ
Ｔｒ２２ トランジスタ
Ｔｒ２３ トランジスタ
１００ 知的財産情報検索システム
１０１ 入力部
１０２ 伝送路
１０３ 処理部
１０３ａ 第１の処理部
１０３ｂ 第２の処理部
１０５ 記憶部
１０７ データベース
１０９ 出力部
１１０ 文章解析部
１１１ 第１の文章解析部
１１２ 第２の文章解析部
１１３ 第３の文章解析部
１２０ 画像解析部
１２１ 第１の画像解析部
１２２ 第２の画像解析部
１３１ 解析部
１３２ 解析部
１３３ 解析部
１５０ 知的財産情報検索システム
１５１ サーバ
１５２ 端末
１６１ａ 通信部
１６１ｂ 通信部
１６２ 伝送路
１６３ａ 処理部
１６３ｂ 処理部
１６５ 記憶部
１６７ データベース
１６８ 伝送路
１６９ 入出力部

Claims (1)

1. 第１の処理部に第１のデータと、第１の参照用解析データを入力し、前記第１の参照用解析データの中から前記第１のデータと類似するデータを検索して、第１の解析データを生成する第１のステップと、
   第２の処理部に前記第１のデータと、第２の参照用解析データを入力し、前記第２の参照用解析データの中から前記第１のデータと類似するデータを検索して、第２の解析データを生成する第２のステップと、
   前記第１の解析データと前記第２の解析データを用いて、第３の解析データを生成する第３のステップと、を有し、
   前記第１のステップと前記第２のステップとは、同時に行われる情報検索の方法。

Images