WO2021084768A1 - リザボア素子及びニューロモルフィックデバイス - Google Patents

リザボア素子及びニューロモルフィックデバイス Download PDF

Info

Publication number
WO2021084768A1
WO2021084768A1 PCT/JP2020/007079 JP2020007079W WO2021084768A1 WO 2021084768 A1 WO2021084768 A1 WO 2021084768A1 JP 2020007079 W JP2020007079 W JP 2020007079W WO 2021084768 A1 WO2021084768 A1 WO 2021084768A1
Authority
WO
WIPO (PCT)
Prior art keywords
electrode
input unit
reservoir element
electrode finger
output
Prior art date
Application number
PCT/JP2020/007079
Other languages
English (en)
French (fr)
Inventor
鈴木　英治
Original Assignee
Tdk株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tdk株式会社 filed Critical Tdk株式会社
Publication of WO2021084768A1 publication Critical patent/WO2021084768A1/ja

Links

Images

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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H9/00—Networks comprising electromechanical or electro-acoustic devices; Electromechanical resonators
    • H03H9/02—Details
    • H03H9/125—Driving means, e.g. electrodes, coils
    • H03H9/145—Driving means, e.g. electrodes, coils for networks using surface acoustic waves
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H9/00—Networks comprising electromechanical or electro-acoustic devices; Electromechanical resonators
    • H03H9/25—Constructional features of resonators using surface acoustic waves
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N30/00—Piezoelectric or electrostrictive devices
    • H10N30/20—Piezoelectric or electrostrictive devices with electrical input and mechanical output, e.g. functioning as actuators or vibrators
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N30/00—Piezoelectric or electrostrictive devices
    • H10N30/80—Constructional details
    • H10N30/85—Piezoelectric or electrostrictive active materials
    • H10N30/853—Ceramic compositions
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N—ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10N30/00—Piezoelectric or electrostrictive devices
    • H10N30/80—Constructional details
    • H10N30/87—Electrodes or interconnections, e.g. leads or terminals

Definitions

  • the neuromorphic device has, for example, hierarchically arranged chips (neurons in the brain) and transmission means (synapses in the brain) connecting them.
  • Neuromorphic devices increase the percentage of correct answers to questions by learning by means of communication (synapses). Learning is to find knowledge that can be used in the future from information, and neuromorphic devices weight the input data.
  • the distance between the third electrode finger and the fourth electrode finger may be changed stepwise in the first direction.
  • the reservoir element according to the above embodiment further includes a reflector that reflects elastic waves, and the reflector sandwiches the input unit and the propagation region at a position away from the input unit and the propagation region. It may be.
  • the reservoir element according to the above embodiment has a plurality of piezoelectric elements including the piezoelectric body, the input unit, and the output unit, and the output unit of the first piezoelectric element among the plurality of piezoelectric elements has a plurality of output units. It may be connected to the input portion of the second piezoelectric element among the piezoelectric elements.
  • FIG. 1 is a conceptual diagram of a neural network simulated by the neuromorphic device according to the first embodiment.
  • the neural network NN shown in FIG. 1 is a conceptual schematic diagram of reservoir computing.
  • Neural networks NN shown in Figure 1 has an input layer L in the Rizaboa R and an output layer L out. The input layer L in and the output layer L out are connected to the reservoir R.
  • the product-sum calculation unit MAD is a part that performs the product-sum calculation.
  • the product-sum calculation unit MAD is connected to, for example, a plurality of variable resistors arranged in a matrix, a plurality of first bit lines connected to each of the variable resistors in the same row, and a variable resistor in the same column. It has a plurality of second bit lines.
  • the variable resistor is, for example, a domain wall moving element. Each of the variable resistors is given a weight obtained as a result of learning. The resistance value of each variable resistor differs depending on the weight given to each variable resistor.
  • the input unit IN and the propagation region IF are within the range in which elastic waves propagate.
  • the distance between the input unit IN and the propagation region IF is, for example, the distance until the strength of the input signal input from the input unit IN is halved. An example of a specific configuration of the input unit IN will be described later.
  • FIG. 3 is a plan view of the input unit IN.
  • the configurations of the first input unit INa and the second input unit INb may be the same or different.
  • the output unit OUT has a plurality of electrode pairs 20.
  • Each of the plurality of electrode pairs 20 has a first electrode 21 and a second electrode 22.
  • the plurality of electrode pairs 20 may be referred to as a comb-shaped electrode (IDT: InterDegitalTransducer).
  • Each electrode pair 20 is arranged in a direction away from the propagation region IF.
  • Each electrode pair 20 is arranged in the y direction, for example.
  • Each input terminal t1 is connected to each electrode pair 10 of the input unit IN of the reservoir element R1.
  • the AC signal input to each input terminal t1 is applied to the first electrode 11 and the second electrode 12 of each electrode pair 10.
  • Each electrode pair 10 converts an AC signal into an elastic wave.
  • the frequencies f 1 , f 2 , ..., F n of the elastic waves generated from the respective electrode pairs 10 are determined by the distance between the first electrode finger 11a and the second electrode finger 12a.
  • the neuromorphic device ND has excellent power consumption.
  • learning is performed only by the product-sum calculation unit MAD.
  • Learning is adjusting the weight of the transmitted signal.
  • the weight of the signal is determined according to the importance of the signal. Determining signal weights requires enormous calculations and requires a lot of power for the calculations.
  • the reservoir element R1 in the neuromorphic device ND shown in FIG. 2 has excellent power consumption because the signals only interact with each other and no learning is performed.
  • the reservoir element R1 enhances learning efficiency by performing recursive data processing and data conversion (for example, coordinate conversion).
  • FIG. 6 is a plan view of the input unit IN1 according to the first modification.
  • the input unit IN1 has a plurality of electrode pairs 30.
  • the shapes of the plurality of electrode pairs 30 of the input unit IN1 are different from the shapes of the electrode pairs 10 of the input unit IN shown in FIG.
  • the first virtual line VL1 is a virtual line connecting the first end 31a1 of the first electrode finger 31a.
  • the first end 31a1 is the end of the first electrode finger 31a that is not connected to the first conductor 31b.
  • the second virtual line VL2 is a virtual line connecting the first end 32a1 of the second electrode finger 32a.
  • the first end 32a1 is the end of the second electrode finger 32a that is not connected to the second conductor 32b.
  • FIG. 7 is a plan view of the input unit IN2 according to the second embodiment.
  • the input unit IN2 is different from the input unit IN shown in FIG. 3 in that a plurality of electrode pairs 10 are electrically connected to each other.
  • the plurality of electrode pairs 10 in the input unit IN2 are electrically connected by the first wiring 13 and the second wiring 14.
  • Each of the first electrodes 11 is connected by a first wiring 13.
  • Each of the second electrodes 12 is connected by a second wiring 14.
  • the reservoir computing is made into a device like the neuromorphic device according to the first embodiment.
  • Electrode pair 50 converts potential difference into elastic wave and produces elastic wave.
  • the frequency of the elastic wave generated from the electrode pair 50 is determined by the distance between the electrode finger 53 and the electrode finger 55.
  • the electrode pair 50 can produce broad elastic waves with different frequencies.
  • the signal sig may be directly input to the input unit IN4, or may be input after the fast Fourier transform.
  • the reflector Re reflects the elastic wave and traps the elastic wave in the propagation region IF.
  • the signal can be held by the reservoir element R3 for a certain period of time, and the effect of storing the signal can be obtained.
  • Each electrode pair 20 constituting the output unit has a different distance between the first electrode finger and the second electrode finger, and can detect elastic waves of different frequencies f A , f B , ..., F N in the propagation region IF 2. ..
  • the electrode pairs 10 constituting the input unit and the electrode pairs 20 forming the output unit are alternately arranged, but the arrangement order of the electrode pairs 10 and the electrode pairs 20 is arbitrary. Further, the electrode pair 10 may be an electrode pair 30, 40, 50.
  • FIG. 15 is a plan view of the reservoir element R5 in the neuromorphic device according to the fifth embodiment.
  • the shape of the reservoir element R5 of the neuromorphic device according to the fifth embodiment is different from that of the neuromorphic device according to the first embodiment.
  • the same components as those of the neuromorphic device according to the first embodiment are designated by the same reference numerals, and the description thereof will be omitted.
  • Each of the electrode pairs 20 constituting the output unit has a different distance between the first electrode finger and the second electrode finger, and can detect elastic waves of different frequencies f A , f B , ..., F N in the propagation region IF3. ..
  • the electrode pair 10 may be an electrode pair 30, 40, 50.
  • the reservoir element R6 is spherical.
  • the reservoir element R6 has, for example, an input unit IN, an output unit OUT, and a propagation region IF4.
  • the reservoir element R6 shown in FIG. 16 has an input unit IN, an output unit OUT, and a propagation region IF4 on the surface of the spherical piezoelectric body Pb1.
  • the material of the piezoelectric body Pb1 is the same as that of the above-mentioned piezoelectric body Pb.
  • the input unit IN may be replaced with the above-mentioned input units IN1, IN2, IN3, and IN4.
  • the propagation region IF4 is, for example, a portion of the piezoelectric body Pb1 other than the input unit IN and the output unit OUT.
  • the neuromorphic device according to the sixth embodiment can interact with each other by converting signals into elastic waves. Elastic waves interfere in the propagation region IF4, producing elastic waves of different frequencies and interacting non-linearly.
  • the propagation region IF4 has the same function as the Reservoir R of Reservoir Computing. That is, the neuromorphic device according to the sixth embodiment is a device of reservoir computing.
  • FIG. 17 is a perspective view of the reservoir element R7 in the neuromorphic device according to the seventh embodiment.
  • the shape of the reservoir element R7 of the neuromorphic device according to the seventh embodiment is different from that of the neuromorphic device according to the first embodiment.
  • the same components as those of the neuromorphic device according to the first embodiment are designated by the same reference numerals, and the description thereof will be omitted.
  • the plurality of second electrodes 72 are on the second surface of the piezoelectric body Pb2.
  • the distance between the first electrode 71 and the second electrode 72 facing each other differs depending on the position in the xy plane.
  • the first electrode 71 and the second electrode 72 serve as input portions for the reservoir element R7.
  • the neuromorphic device according to the fifth modification also has the same effect as the neuromorphic device according to the ninth embodiment.
  • the characteristic configurations of the output units OUT1 and OUT2 according to the ninth embodiment can be applied to any of the configurations of the first to eighth embodiments.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Chemical & Material Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Surface Acoustic Wave Elements And Circuit Networks Thereof (AREA)

Abstract

本実施形態にかかるリザボア素子は、弾性波が伝搬する伝搬領域を有する圧電体と、前記圧電体に前記伝搬領域に異なる周波数の複数の弾性波を生み出す入力部と、前記圧電体から前記複数の弾性波が前記伝搬領域で干渉することにより生じる弾性波を検出する出力部と、を備える。

Description

リザボア素子及びニューロモルフィックデバイス
　本発明は、リザボア素子及びニューロモルフィックデバイスに関する。本願は、２０１９年１０月２９日に、日本に出願された特願２０１９－１９６０７１に基づき優先権を主張し、その内容をここに援用する。
　ニューロモルフィックデバイスは、ニューラルネットワークにより人間の脳を模倣した素子である。ニューロモルフィックデバイスは、人間の脳におけるニューロンとシナプスとの関係を人工的に模倣している。
　ニューロモルフィックデバイスは、例えば、階層状に配置されたチップ（脳におけるニューロン）と、これらの間を繋ぐ伝達手段（脳におけるシナプス）と、を有する。ニューロモルフィックデバイスは、伝達手段（シナプス）が学習することで、問題の正答率を高める。学習は将来使えそうな知識を情報から見つけることであり、ニューロモルフィックデバイスでは入力されたデータに重み付けをする。
　ニューラルネットワークの一つとして、リカレントニューラルネットワークが知られている。リカレントニューラルネットワークは、非線形な時系列のデータを扱うことができる。非線形な時系列のデータは、時間の経過とともに値が変化するデータであり、株価等はその一例である。リカレントニューラルネットワークは、後段の階層のニューロンでの処理結果を前段の階層のニューロンに戻すことで、時系列のデータを処理することができる。
　リザボアコンピューティングは、リカレントニューラルネットワークを実現する一つの手段である。リザボアコンピューティングは、信号を相互作用させることで、再帰的な処理を行う。リザボアコンピューティングは、例えば、小脳の動作を模倣しており、再帰的なデータの処理やデータの変換（例えば、座標の変換）等を行う。非特許文献１には、スピン波を利用したリザボア素子が記載されている。
Ryosho Nakane, Gouhei Tanaka, and Akira Hirose, IEEE Access Vol.6 2018 pp.4462-4469.
　非特許文献１のリザボア素子は、スピン波を利用している。しかしながら、スピン波の励起、及び、スピン波の取り出しは困難である。したがって、非特許文献１のリザボア素子は、信号の入出力の効率が悪い。
　本発明は上記事情に鑑みてなされたものであり、信号の入出力効率に優れるリザボア素子及びニューロモルフィックデバイスを提供する。
（１）第１の態様にかかるリザボア素子は、弾性波が伝搬する伝搬領域を有する圧電体と、前記圧電体に前記伝搬領域に異なる周波数の複数の弾性波を生み出す入力部と、前記圧電体から前記複数の弾性波が前記伝搬領域で干渉することにより生じる弾性波を検出する出力部と、を備える。
（２）上記態様にかかるリザボア素子において、前記伝搬領域、前記入力部及び前記出力部は、前記圧電体の同一面上にあってもよい。
（３）上記態様にかかるリザボア素子において、前記出力部は電極層と半導体層とを有し、前記電極層と前記圧電体との間に半導体層を挟んでもよい。
（４）上記態様にかかるリザボア素子において、前記圧電体と前記半導体層との間に、空隙を有してもよい。
（５）上記態様にかかるリザボア素子において、前記入力部は、第１入力部と第２入力部とを有し、前記第１入力部と前記第２入力部とは、前記伝搬領域を挟んでもよい。
（６）上記態様にかかるリザボア素子において、前記出力部は、前記第１入力部から前記第２入力部へ向かう方向と交差する位置にあってもよい。
（７）上記態様にかかるリザボア素子において、前記入力部は、複数の電極対を有し、前記複数の電極対はそれぞれ、互いに対向する第１電極指と第２電極指とを有し、前記複数の電極対のうちの第１電極対と第２電極対とは、前記第１電極指と前記第２電極指との距離が異なってもよい。
（８）上記態様にかかるリザボア素子において、前記複数の電極対はそれぞれ、前記第１電極指と前記第２電極指とを複数有し、それぞれの電極対において、前記第１電極指のそれぞれの第１端部を結ぶ第１仮想線と、前記第２電極指のそれぞれの第１端部を結ぶ第２仮想線との距離は、前記伝搬領域に近づくにつれて広がってもよい。
（９）上記態様にかかるリザボア素子において、前記複数の電極対は、電極対が前記伝搬領域から離れる方向に並んでもよい。
（１０）上記態様にかかるリザボア素子において、前記複数の電極対は、それぞれ電気的に接続されていてもよい。
（１１）上記態様にかかるリザボア素子において、前記入力部は、斜め電極指型電極対を有し、前記斜め電極指型電極対は、第３電極指と第４電極指とを有し、前記第３電極指と第４電極指との距離は、前記３電極指及び第４電極指が延びる第１方向の位置によって異なってもよい。
（１２）上記態様にかかるリザボア素子において、前記第３電極指と前記第４電極指との距離は、前記第１方向に、段階的に変化してもよい。
（１３）上記態様にかかるリザボア素子において、前記第３電極指と前記第４電極指との距離は、前記第１方向に、連続的に変化してもよい。
（１４）上記態様にかかるリザボア素子において、弾性波を反射する反射器をさらに有し、前記反射器は、前記入力部より前記伝搬領域から離れた位置で、前記入力部及び前記伝搬領域を挟んでもよい。
（１５）上記態様にかかるリザボア素子において、前記出力部は、複数の出力電極対を有し、前記複数の出力電極対はそれぞれ、互いに対向する第１出力電極指と第２出力電極指とを有し、前記複数の出力電極対のうちの第１出力電極対と第２出力電極対とは、前記第１出力電極指と前記第２出力電極指との距離が異なってもよい。
（１６）上記態様にかかるリザボア素子において、前記伝搬領域は略円形であり、前記入力部及び前記出力部は、前記伝搬領域の外周に沿って配置されてもよい。
（１７）上記態様にかかるリザボア素子において、前記圧電体は球状であり、前記伝搬領域、前記入力部及び前記出力部は、球状の前記圧電体の表面にあってもよい。
（１８）上記態様にかかるリザボア素子において、前記伝搬領域は前記圧電体の内部にあり、前記入力部は、前記圧電体の第１面上の第１電極と、前記第１面と反対側の第２面上の第２電極とからなり、前記第１電極と前記第２電極との距離は、前記第１面及び前記第２面が広がる面内方向の位置によって異なり、前記出力部は、前記圧電体の第１面上の第３電極と、前記第２面上の第４電極とからなり、前記第３電極と前記第４電極との距離は、前記第１面及び前記第２面が広がる面内方向の位置によって異なってもよい。
（１９）上記態様にかかるリザボア素子において、前記圧電体、前記入力部及び前記出力部を備える圧電素子を複数有し、複数の前記圧電素子のうちの第１圧電素子の出力部は、複数の前記圧電素子のうちの第２圧電素子の入力部に接続されていてもよい。
（２０）第２の態様にかかるニューロモルフィックデバイスは、上記態様にかかるリザボア素子と、前記リザボア素子に接続された入力層と、前記リザボア素子に接続され、前記リザボア素子からの信号を学習する出力層と、を備える。
　上記態様にかかるリザボア素子及びニューロモルフィックデバイスによれば、信号の入出力効率を向上させることができる。
第１実施形態に係るニューロモルフィックデバイスが模擬するニューラルネットワークの概念図である。 第１実施形態に係るニューロモルフィックデバイスの模式図である。 第１実施形態に係る入力部の平面図である。 第１実施形態に係る出力部の平面図である。 第１実施形態に係るニューロモルフィックデバイスの動作を説明するための模式図である。 第１変形例に係る入力部の平面図である。 第２実施形態に係るニューロモルフィックデバイスの入力部の平面図である。 第２実施形態に係るニューロモルフィックデバイスの動作を説明するための模式図である。 第２変形例に係る入力部の平面図である。 第３変形例に係る入力部の平面図である。 第４変形例に係るリザボア素子の平面図である。 第３実施形態に係るニューロモルフィックデバイスにおけるリザボア素子の平面図である。 第３実施形態に係る反射器の平面図である。 第４実施形態に係るニューロモルフィックデバイスにおけるリザボア素子の平面図である。 第５実施形態に係るニューロモルフィックデバイスにおけるリザボア素子の平面図である。 第６実施形態に係るニューロモルフィックデバイスにおけるリザボア素子の斜視図である。 第７実施形態に係るニューロモルフィックデバイスにおけるリザボア素子の斜視図である。 第８実施形態に係るリザボア素子の平面図である。 第９実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子の出力部の斜視図である。 第５変形例にかかるニューロモルフィックデバイスにおけるリザボア素子の出力部の斜視図である。
　以下、本実施形態について、図を適宜参照しながら詳細に説明する。以下の説明で用いる図面は、本発明の特徴をわかりやすくするために便宜上特徴となる部分を拡大して示している場合があり、各構成要素の寸法比率などは実際とは異なっていることがある。以下の説明において例示される材料、寸法等は一例であって、本発明はそれらに限定されるものではなく、本発明の効果を奏する範囲で適宜変更して実施することが可能である。
［第１実施形態］
　第１実施形態にかかるニューロモルフィックデバイスは、リザボアコンピューティングにおける処理をデバイス化したものである。リザボアコンピューティングは、リカレントニューラルネットワークの一例である。
　図１は、第１実施形態にかかるニューロモルフィックデバイスが模擬するニューラルネットワークの概念図である。図１に示すニューラルネットワークＮＮは、リザボアコンピューティングの概念模式図である。図１に示すニューラルネットワークＮＮは、入力層ＬｉｎとリザボアＲと出力層Ｌｏｕｔとを有する。入力層Ｌｉｎ及び出力層Ｌｏｕｔは、リザボアＲに接続されている。
　入力層Ｌｉｎは、外部から入力された信号をリザボアＲに伝える。入力層Ｌｉｎは、例えば、複数のニューロンｎ１を含む。ニューロンｎ１は、ニューロモルフィックデバイスにおける入力端子である。外部から入力層Ｌｉｎのそれぞれのニューロンｎ１に入力された入力信号は、リザボアＲに伝わる。
　リザボアＲは、入力層Ｌｉｎから入力された入力信号を貯留し、入力された信号が互いに相互作用する領域である。リザボアＲ内では、信号は相互作用するだけであり、学習しない。入力信号が互いに相互作用すると、入力信号が非線形に変化する。また入力信号は、リザボアＲ内で互いに相互作用することで、時間の経過とともに変化する。リザボアＲは、複数のニューロンｎ２がランダムに接続されている。例えば、ある時刻ｔにあるニューロンｎ２から出力された信号は、ある時刻ｔ＋１において元のニューロンｎ２に戻る場合がある。ニューロンｎ２では、時刻ｔ及び時刻ｔ＋１の信号を踏まえた処理ができ、情報を再帰的に処理できる。
　出力層Ｌｏｕｔは、リザボアＲからの信号を出力する。出力層Ｌｏｕｔは、例えば、複数のニューロンｎ３を含む。ニューロンｎ３は、ニューロモルフィックデバイスにおける出力端子である。リザボアＲから出力層Ｌｏｕｔに至る際に、学習が行われる。学習は、リザボアＲのそれぞれのニューロンｎ２と出力層Ｌｏｕｔのニューロンｎ３とを繋ぐ伝達経路（脳におけるシナプス）で行われる。出力層Ｌｏｕｔは、学習の結果を外部に出力する。
　図２は、第１実施形態にかかるニューロモルフィックデバイスＮＤの模式図である。以下、後述する圧電体Ｐｂの厚み方向をｚ方向、ｚ方向と直交する面をｘｙ平面、ｘｙ平面の一方向をｘ方向、ｘ方向と直交する方向をｙ方向とする。図２におけるｘ方向は、後述する第１入力部ＩＮａから第２入力部ＩＮｂに向かう方向である。図２におけるｙ方向は、後述する第２出力部ＯＵＴｂから第１出力部ＯＵＴａに向かう方向である。
　ニューロモルフィックデバイスＮＤは、入力層Ｌ１とリザボア素子Ｒ１と積和演算部ＭＡＤと出力層Ｌ２とを有する。入力層Ｌ１は図１における入力層Ｌｉｎであり、リザボア素子Ｒ１は図１におけるリザボアＲであり、出力層Ｌ２は図１における出力層Ｌｏｕｔであり、積和演算部ＭＡＤは図１におけるリザボアＲと出力層Ｌｏｕｔとを繋ぐ伝達手段である。
　入力層Ｌ１は、複数の入力端子ｔ１を有する。複数の入力端子ｔ１は図１におけるニューロンｎ１である。出力層Ｌ２は、複数の出力端子ｔ２を有する。複数の出力端子ｔ２は図１におけるニューロンｎ３である。
　積和演算部ＭＡＤは、積和演算を行う部分である。積和演算部ＭＡＤは、例えば、行列状に配列された複数の可変抵抗と、同じ行の可変抵抗のそれぞれに接続された複数の第１ビット線と、同じ列の可変抵抗のそれぞれに接続された複数の第２ビット線を有する。可変抵抗は、例えば、磁壁移動素子である。可変抵抗のそれぞれには、学習の結果求められた重みが与えられる。それぞれの可変抵抗の抵抗値は、それぞれの可変抵抗に与えられた重みに応じて異なる。
　積和演算部ＭＡＤに入力された信号は、第１ビット線のそれぞれを伝わり、それぞれの可変抵抗に至る。ぞれぞれの可変抵抗は与えられた重みに応じて抵抗値が異なり、信号がそれぞれの可変抵抗を通過することで、積演算が行われる。それぞれの可変抵抗で行われた積演算の結果は、第２ビット線に伝わる。同じ第２ビット線に接続された可変抵抗の積演算の結果は、同じ第２ビット線に集約され、和演算される。
　リザボア素子Ｒ１は、例えば、入力部ＩＮと出力部ＯＵＴと伝搬領域ＩＦとを有する。図２に示すリザボア素子Ｒ１は、圧電体Ｐｂの同一平面上に、入力部ＩＮと出力部ＯＵＴと伝搬領域ＩＦとを有する。圧電体Ｐｂは、例えば、チタン酸バリウム（ＢａＴｉＯ３）、ニオブ酸リチウム（ＬｉＮｂＯ３）、タンタル酸リチウム（ＬｉＴａＯ３）、チタン酸ジルコン酸鉛（ＰＺＴ）である。
　入力部ＩＮは、伝搬領域ＩＦに信号を生み出す部分である。入力部ＩＮは、信号を弾性波に変換して、伝搬領域ＩＦに入力する。入力部ＩＮは、異なる周波数の複数の弾性波を伝搬領域ＩＦに入力する。また入力部ＩＮは、リザボア素子Ｒ１の信号が入力される部分でもある。
　入力部ＩＮは、例えば、伝搬領域ＩＦの外側にある。入力部ＩＮは、例えば、伝搬領域ＩＦと隣接する。入力部ＩＮは、例えば、伝搬領域ＩＦのｘ方向と－ｘ方向とのうち少なくとも一方にある。図２に示す入力部ＩＮは、第１入力部ＩＮａと第２入力部ＩＮｂとを有する。第１入力部ＩＮａと第２入力部ＩＮｂとは、伝搬領域ＩＦを挟む。第１入力部ＩＮａは、伝搬領域ＩＦの－ｘ方向にあり、第２入力部ＩＮｂは伝搬領域ＩＦのｘ方向にある。第１入力部ＩＮａから入力された弾性波と第２入力部ＩＮｂから入力された弾性波とは、伝搬領域ＩＦでぶつかり、互いに干渉する。
　入力部ＩＮと伝搬領域ＩＦとは、弾性波が伝搬する範囲内にある。入力部ＩＮと伝搬領域ＩＦとの距離は、例えば、入力部ＩＮから入力された入力信号の強度が半減するまでの距離である。入力部ＩＮの具体的な構成の例については、後述する。
　伝搬領域ＩＦは、圧電体Ｐｂにおいて弾性波が伝搬する領域である。伝搬領域ＩＦは、弾性波同士が干渉する干渉領域でもある。図２に示す伝搬領域ＩＦは、圧電体Ｐｂの一面にある。図２に示すリザボア素子Ｒ１は、入力部ＩＮで信号から変換された表面弾性波が伝搬領域ＩＦで干渉する。伝搬領域ＩＦは、入力部ＩＮ及び出力部ＯＵＴと隣接する。伝搬領域ＩＦは、例えば、入力部ＩＮ及び出力部ＯＵＴに囲まれる。伝搬領域ＩＦでは弾性波が相互作用することで、入力された信号が非線形な変換を受けて処理される。
　出力部ＯＵＴは、伝搬領域ＩＦで干渉した弾性波を信号として出力する部分である。出力部ＯＵＴは、入力部ＩＮから入力された複数の弾性波が伝搬領域ＩＦで干渉することにより生じる弾性波を検出する。出力部ＯＵＴは、例えば、弾性波を電位に変換する。また出力部ＯＵＴは、リザボア素子Ｒ１から信号が出力される部分でもある。
　出力部ＯＵＴは、例えば、伝搬領域ＩＦの外側にある。出力部ＯＵＴは、伝搬領域ＩＦと隣接する。出力部ＯＵＴは、伝搬領域ＩＦに対してｘ方向と交差する方向にある。出力部ＯＵＴは、例えば、伝搬領域ＩＦのｙ方向と－ｙ方向とのうち少なくとも一方にある。図２に示す出力部ＯＵＴは、第１出力部ＯＵＴａと第２出力部ＯＵＴｂとを有する。第１出力部ＯＵＴａと第２出力部ＯＵＴｂとは、伝搬領域ＩＦを挟む。第１出力部ＯＵＴａは、伝搬領域ＩＦのｙ方向にあり、第２出力部ＯＵＴｂは伝搬領域ＩＦの－ｙ方向にある。
　出力部ＯＵＴと伝搬領域ＩＦとは、弾性波が伝搬する範囲内にある。出力部ＯＵＴと伝搬領域ＩＦとの距離は、例えば、伝搬領域ＩＦで生じた弾性波の強度が半減するまでの距離である。出力部ＯＵＴの具体的な構成の例については、後述する。
　次いで、入力部ＩＮの具体的な構成について説明する。図３は、入力部ＩＮの平面図である。第１入力部ＩＮａと第２入力部ＩＮｂとの構成は、同じであっても異なってもよい。ここでは、第１入力部ＩＮａと第２入力部ＩＮｂとの構成が同じであるものとして説明する。
　入力部ＩＮは、複数の電極対１０を有する。複数の電極対１０のそれぞれは、第１電極１１と第２電極１２とを有する。複数の電極対１０は、櫛型電極（IDT : Inter Degital Transducer）と言われる場合もある。それぞれの電極対１０は、伝搬領域ＩＦから離れる方向に並ぶ。それぞれの電極対１０は、例えば、ｘ方向に並ぶ。
　第１電極１１は、複数の第１電極指１１ａと第１導体１１ｂとを有する。第１導体１１ｂは、複数の第１電極指１１ａのそれぞれと電気的に接続されている。第２電極１２は、複数の第２電極指１２ａと第２導体１２ｂとを有する。第２導体１２ｂは、複数の第２電極指１２ａのそれぞれと電気的に接続されている。それぞれの電極対１０において、第１電極指１１ａと第２電極指１２ａとは対向する。それぞれの電極対１０において、第１電極指１１ａと第２電極指１２ａとの距離は一定である。図３では、それぞれの電極対１０が第１電極指１１ａ及び第２電極指１２ａを複数有する場合を例示したが、第１電極指１１ａ及び第２電極指１２ａは１つでもよい。
　複数の電極対１０のうちの一つの電極対を第１電極対１０ａ、第１電極対１０ａと異なる電極対を第２電極対１０ｂと称する。第１電極対１０ａにおける第１電極指１１ａと第２電極指１２ａとの距離ｄ１は、第２電極対１０ｂにおける第１電極指１１ａと第２電極指１２ａとの距離ｄ２と異なる。
　それぞれの電極対１０は、電位差を弾性波に変換し、弾性波を生み出す。例えば、第１電極指１１ａと第２電極指１２ａとの間に電位差が生じると、第１電極指１１ａと第２電極指１２ａとの間に電場が生じる。電場は圧電体Ｐｂに電気分極を生み出し、圧電体Ｐｂを歪ませる。第１電極１１と第２電極１２との間に交流を印加すると、圧電体Ｐｂの歪みが表面弾性波となる。弾性波の周波数は、第１電極指１１ａと第２電極指１２ａとの距離ｄ１、ｄ２で決まる。第１電極対１０ａと第２電極対１０ｂとは、異なる周波数の弾性波を生み出す。
　複数の電極対１０のそれぞれの第１電極指１１ａと第２電極指１２ａとの距離は、それぞれ異なっていてもよい。複数の電極対１０のそれぞれから異なる周波数の弾性波が生じる。
　次いで、出力部ＯＵＴの具体的な構成について説明する。図４は、出力部ＯＵＴの平面図である。第１出力部ＯＵＴａと第２出力部ＯＵＴｂとの構成は、同じであっても異なってもよい。ここでは、第１出力部ＯＵＴａと第２出力部ＯＵＴｂとの構成が同じであるものとして説明する。
　出力部ＯＵＴは、複数の電極対２０を有する。複数の電極対２０のそれぞれは、第１電極２１と第２電極２２とを有する。複数の電極対２０は、櫛型電極（IDT : Inter Degital Transducer）と言われる場合もある。それぞれの電極対２０は、伝搬領域ＩＦから離れる方向に並ぶ。それぞれの電極対２０は、例えば、ｙ方向に並ぶ。
　第１電極２１は、複数の第１電極指２１ａと第１導体２１ｂとを有する。第１電極指２１ａは、第１出力電極指の一例である。第１導体２１ｂは、複数の第１電極指２１ａのそれぞれと電気的に接続されている。第２電極２２は、複数の第２電極指２２ａと第２導体２２ｂとを有する。第２電極指２２ａは、第２出力電極指の一例である。第２導体２２ｂは、複数の第２電極指２２ａのそれぞれと電気的に接続されている。それぞれの電極対２０において、第１電極指２１ａと第２電極指２２ａとは対向する。図４では、それぞれの電極対２０が第１電極指２１ａ及び第２電極指２２ａを複数有する場合を例示したが、第１電極指２１ａ及び第２電極指２２ａは１つでもよい。
　複数の電極対２０のうちの一つの電極対を第１電極対２０ａ、第１電極対２０ａと異なる電極対を第２電極対２０ｂと称する。第１電極対２０ａにおける第１電極指２１ａと第２電極指２２ａとの距離ｄａは、第２電極対２０ｂにおける第１電極指２１ａと第２電極指２２ａとの距離ｄｂと異なる。
　それぞれの電極対２０は、所定の周波数の弾性波を電位差に変換する。弾性波により生じる圧電体Ｐｂの歪みは、電気分極を生み出し、第１電極指２１ａと第２電極指２２ａとの間に電位差を生み出す。弾性波は、電位差に変換され、信号として外部に出力される。第１電極指２１ａと第２電極指２２ａとの距離ｄａ、ｄｂによって電位差に変換できる弾性波の周波数は異なる。第１電極対２０ａと第２電極対２０ｂとは、異なる周波数の弾性波を電位差に変換できる。
　複数の電極対２０のそれぞれの第１電極指２１ａと第２電極指２２ａとの距離は、それぞれ異なっていてもよい。複数の電極対２０のそれぞれが、異なる周波数の弾性波を電位差に変換できる。出力部ＯＵＴにおける第１電極指２１ａと第２電極指２２ａとの距離はそれぞれ、入力部ＩＮにおける第１電極指１１ａと第２電極指１２ａとの距離のそれぞれと、例えば異なる。出力部ＯＵＴにおける第１電極指２１ａと第２電極指２２ａとの距離はそれぞれ、入力部ＩＮにおけるいずれかの第１電極指１１ａと第２電極指１２ａとの距離の倍数である。出力部ＯＵＴは、例えば、入力部ＩＮで生じた弾性波の倍数の高調波を検出する。
　次いで、第１実施形態にかかるニューロモルフィックデバイスの動作について説明する。図５は、第１実施形態に係るニューロモルフィックデバイスの動作を説明するための模式図である。
　まずニューロモルフィックデバイスに入力される信号Ｓｉｇを高速フーリエ変換（FFT analysis)する。信号Ｓｉｇは、連続する信号をタイムドメイン毎に分割してもよい。信号Ｓｉｇは、高速フーリエ変換により複数の単純なＳｉｎ波とＣｏｓ波の級数に変換される。例えば、信号Ｓｉｇは、異なる周波数ｆ１，ｆ２，…，ｆｎの信号に分解される。異なる周波数ｆ１，ｆ２，…，ｆｎのそれぞれの信号は、入力層Ｌ１の入力端子ｔ１のそれぞれに入力される（図２参照）。
　それぞれの入力端子ｔ１は、リザボア素子Ｒ１の入力部ＩＮのそれぞれの電極対１０とそれぞれ接続されている。それぞれの入力端子ｔ１に入力された交流信号は、それぞれの電極対１０の第１電極１１と第２電極１２に印加される。それぞれの電極対１０は、交流信号を弾性波に変換する。それぞれの電極対１０から生じる弾性波の周波数ｆ１，ｆ２，…，ｆｎは、第１電極指１１ａと第２電極指１２ａとの距離によって決まる。
　異なる周波数ｆ１，ｆ２，…，ｆｎの複数の弾性波は、入力部ＩＮから伝搬領域ＩＦに伝わる。伝搬領域ＩＦでは、弾性波が干渉し、相互作用する。例えば、第１入力部ＩＮａから入力された弾性波はｘ方向に伝播し、第２入力部ＩＮｂから入力された弾性波は－ｘ方向に伝播する。第１入力部ＩＮａと第２入力部ＩＮｂとが伝搬領域ＩＦを挟んで対向する位置にあると、第１入力部ＩＮａから伝搬する弾性波と第２入力部ＩＮｂから伝搬する弾性波とが干渉しやすくなる。
　入力部ＩＮから入力された弾性波が干渉すると、弾性波の非線形効果により異なる周波数ｆＡ，ｆＢ，…，ｆＮの弾性波が生まれる。例えば、周波数ｆ１の二つの弾性波が干渉すると、異なる周波数ｆＡの高調波が生じる。
　そして伝搬領域ＩＦで生じた弾性波は、出力部ＯＵＴで検出される。弾性波は、出力部ＯＵＴで電位差に変換され、外部に信号として出力される。出力部ＯＵＴのそれぞれの電極対２０は、出力端子ｔ２に接続されている。外部に出力された信号は、出力層Ｌ２に至る過程で、積和演算部ＭＡＤで積和演算される。
　第１実施形態にかかるニューロモルフィックデバイスＮＤは、信号を弾性波に変換することで、信号同士を相互作用させることができる。弾性波は、干渉により異なる周波数の弾性波を生み出し、非線形に相互作用する。伝搬領域ＩＦにおいて弾性波同士は、互いに干渉するだけであり、学習は行わない。伝搬領域ＩＦは、リザボアコンピューティングのリザボアＲと同じ作用をする。すなわち、第１実施形態にかかるニューロモルフィックデバイスＮＤは、リザボアコンピューティングをデバイス化している。
　またニューロモルフィックデバイスＮＤは、消費電力に優れる。図２に示すニューロモルフィックデバイスＮＤにおいて学習は、積和演算部ＭＡＤのみで行われる。学習は、伝達する信号の重みを調整することである。信号の重みは、信号の重要度に応じて決定される。信号の重みの決定には、膨大な計算が必要であり、計算のために多くの電力が必要である。一方で、図２に示す、ニューロモルフィックデバイスＮＤにおけるリザボア素子Ｒ１は、信号が相互作用するだけであり、学習を行っておらず、消費電力に優れる。リザボア素子Ｒ１は、再帰的なデータの処理やデータの変換（例えば、座標の変換）を行うことで、学習の効率を高める。
　第１実施形態に係るニューロモルフィックデバイスＮＤの一例について詳述したが、第１実施形態に係るニューロモルフィックデバイスＮＤは、本発明の要旨の範囲内において、種々の変形・変更が可能である。
　例えば、入力部ＩＮの具体的な構成は、図３に限られない。図６は、第１変形例にかかる入力部ＩＮ１の平面図である。入力部ＩＮ１は、複数の電極対３０を有する。入力部ＩＮ１は複数の電極対３０のそれぞれの形状が、図３に示す入力部ＩＮの電極対１０のそれぞれの形状と異なる。
　複数の電極対３０のそれぞれは、第１電極３１と第２電極３２とを有する。それぞれの電極対３０は、例えば、ｘ方向に並ぶ。第１電極３１は、複数の第１電極指３１ａと第１導体３１ｂとを有する。第１導体３１ｂは、複数の第１電極指３１ａのそれぞれと電気的に接続されている。第２電極３２は、複数の第２電極指３２ａと第２導体３２ｂとを有する。第２導体３２ｂは、複数の第２電極指３２ａのそれぞれと電気的に接続されている。それぞれの電極対３０において、第１電極指３１ａと第２電極指３２ａとは対向する。それぞれの電極対３０において、第１電極指３１ａと第２電極指３２ａと距離は一定である。第１電極指３１ａ及び第２電極指３２ａは、それぞれ＋ｘ方向に凸に湾曲する。
　複数の電極対３０のうちの一つの電極対を第１電極対３０ａ、第１電極対３０ａと異なる電極対を第２電極対３０ｂと称する。第１電極対３０ａにおける第１電極指３１ａと第２電極指３２ａとの距離ｄ１’は、第２電極対３０ｂにおける第１電極指３１ａと第２電極指３２ａとの距離ｄ２’と異なる。
　それぞれの電極対３０において、第１仮想線ＶＬ１と第２仮想線ＶＬ２との距離は、＋ｘ方向に向かうにつれて広がる。すなわち、第１仮想線ＶＬ１と第２仮想線ＶＬ２とは、伝搬領域ＩＦに向って拡径し、伝搬領域ＩＦに近づくにつれて距離が広がる。第１仮想線ＶＬ１は、第１電極指３１ａの第１端３１ａ１を結ぶ仮想線である。第１端３１ａ１は、第１電極指３１ａの第１導体３１ｂと接続されない方の端部である。第２仮想線ＶＬ２は、第２電極指３２ａの第１端３２ａ１を結ぶ仮想線である。第１端３２ａ１は、第２電極指３２ａの第２導体３２ｂと接続されない方の端部である。
　弾性波は、第１電極指３１ａと第２電極指３２ａとの間で生じる。第１仮想線ＶＬ１及び第２仮想線ＶＬ２が伝搬領域ＩＦに向って広がると、弾性波も第１仮想線ＶＬ１及び第２仮想線ＶＬ２に沿って広がるように伝播する。弾性波が伝搬領域ＩＦに向って広がるように伝播すると、弾性波同士が干渉しやすくなる。
［第２実施形態］
　第２実施形態にかかるニューロモルフィックデバイスは、入力部ＩＮの構成が異なり、信号の入力方式が異なる。その他の構成は、第１実施形態にかかるニューロモルフィックデバイスと同様であり、第１実施形態と同様の構成については同様の符号を付し、説明を省略する。
　図７は、第２実施形態にかかる入力部ＩＮ２の平面図である。入力部ＩＮ２は、複数の電極対１０がそれぞれ電気的に接続されている点が、図３に示す入力部ＩＮと異なる。入力部ＩＮ２における複数の電極対１０は、第１配線１３及び第２配線１４で電気的に接続されている。それぞれの第１電極１１は、第１配線１３で接続されている。それぞれの第２電極１２は、第２配線１４で接続されている。
　第２実施形態にかかるニューロモルフィックデバイスは、複数の電極対１０が電気的に接続されていることで、高速フーリエ変換を行わずに、信号Ｓｉｇを直接入力することができる。図８は、第２実施形態に係るニューロモルフィックデバイスの動作を説明するための模式図である。
　第２実施形態にかかるニューロモルフィックデバイスは、信号Ｓｉｇを直接入力できる。入力部ＩＮ２に入力された信号Ｓｉｇは、第１配線１３及び第２配線１４を伝わり、それぞれの電極対１０に至る。それぞれの電極対１０は、第１電極指１１ａと第２電極指１２ａとの距離に応じた周波数の信号が印加された場合に、弾性波を生み出す。それぞれの電極対１０は、入力された信号Ｓｉｇのうちの特定の周波数の信号にのみ反応し、弾性波を生み出す。つまり、それぞれの電極対１０は、入力された信号Ｓｉｇのうちの特定の周波数の信号を自動的に抽出する。それぞれの電極対１０が反応できる周波数が決まっているため、ニューロモルフィックデバイスにランダムな信号Ｓｉｇを入力しても、自動的に信号Ｓｉｇが分配され、入力部ＩＮ２は異なる周波数ｆ１，ｆ２，…，ｆｎの弾性波を生み出すことができる。入力部ＩＮ２には、信号Ｓｉｇを直接入力してもよいし、高速フーリエ変換した後の信号を入力してもよい。
　第２実施形態にかかるニューロモルフィックデバイスは、第１実施形態と同様の構成を有するため、第１実施形態にかかるニューロモルフィックデバイスと同様に、リザボアコンピューティングをデバイス化している。
　第２実施形態に係るニューロモルフィックデバイスの一例について詳述したが、第２実施形態に係るニューロモルフィックデバイスは、本発明の要旨の範囲内において、種々の変形・変更が可能である。
　図９は、第２変形例にかかる入力部ＩＮ３の平面図である。入力部ＩＮ３は、一つの電極対４０を有する。入力部ＩＮ３は電極対４０が一つであり、その形状が図７に示す入力部ＩＮ２の電極対１０の形状と異なる。
　電極対４０は、第１電極４１と第２電極４２とを有する。第１電極４１は、複数の電極指４３と導体４４とを有する。電極指４３は、第３電極指の一例である。第２電極４２は、複数の電極指４５と導体４６とを有する。電極指４５は、第４電極指の一例である。電極指４３及び電極指４５の一部は、両端を結ぶ直線がｙ方向に対して斜め方向に傾斜している。両端を結ぶ直線がｙ方向に対して斜め方向に傾斜する電極指は、斜め電極指と言われる場合がある。電極対４０は、斜め電極指型電極対と言われる場合がある。電極指４３と電極指４５とのｘ方向の距離は、ｙ方向の位置によって異なる。電極指４３と電極指４５とのｘ方向の距離は、例えば、－ｙ方向に向かうにつれて広がる。
　電極指４３は、テラス４３ａとステップ４３ｂとを有する。テラス４３ａは、電極指４３のｙ方向に延びる部分であり、ステップ４３ｂは電極指４３のｘ方向に延びる部分である。同様に、電極指４５は、テラス４５ａとステップ４５ｂとを有する。テラス４５ａは、電極指４５のｙ方向に延びる部分であり、ステップ４５ｂは電極指４５のｘ方向に延びる部分である。テラス４３ａとテラス４５ａとは対向する。テラス４３ａとテラス４５ａとのｘ方向の距離は、例えば、－ｙ方向に向かうにつれて広がる。つまり、電極指４３と電極指４５とのｘ方向の距離は、ｙ方向の位置によって段階的に変化する。
　電極対４０は、電位差を弾性波に変換し、弾性波を生み出す。電極対４０から生じる弾性波の周波数は、テラス４３ａとテラス４５ａとの距離で決まる。電極対４０は、電極指４３と電極指４５とのｘ方向の距離がｙ方向の位置によって異なることで、異なる周波数の弾性波を生み出すことができる。また入力部ＩＮ３には、信号Ｓｉｇを直接入力してもよいし、高速フーリエ変換した後に入力してもよい。
　図１０は、第３変形例にかかる入力部ＩＮ４の平面図である。入力部ＩＮ４は、一つの電極対５０を有する。入力部ＩＮ４は電極対５０の形状が図９に示す電極対４０と異なる。
　電極対５０は、第１電極５１と第２電極５２とを有する。第１電極５１は、複数の電極指５３と導体５４とを有する。電極指５３は、第３電極指の一例である。第２電極５２は、複数の電極指５５と導体５６とを有する。電極指５５は、第４電極指の一例である。電極指５３及び電極指５５の一部は、ｙ方向に対して斜め方向に傾斜している。電極対５０は、斜め電極指型電極対と言われる場合がある。電極指５３と電極指５５とのｘ方向の距離は、ｙ方向の位置によって異なる。電極指５３と電極指５５とのｘ方向の距離は、例えば、－ｙ方向に向かうにつれて広がる。電極指５３と電極指５５とのｘ方向の距離は、例えば、－ｙ方向に向かうにつれて連続的に変化する。
　電極対５０は、電位差を弾性波に変換し、弾性波を生み出す。電極対５０から生じる弾性波の周波数は、電極指５３と電極指５５との距離で決まる。電極対５０は、異なる周波数を有するブロードな弾性波を生み出すことができる。また入力部ＩＮ４には、信号Ｓｉｇを直接入力してもよいし、高速フーリエ変換した後に入力してもよい。
　また第１実施形態及び第２実施形態のそれぞれにおいて、入力部が複数ある場合、それぞれの入力部の内部の構成は同じでもよいし、上述の入力部ＩＮ、ＩＮ１、ＩＮ２、ＩＮ３、ＩＮ４を組み合わせてもよい。また入力部の構成は、そのまま出力部に適用してもよい。
　また上記の第１実施形態及び第２実施形態では、入力部ＩＮ及び出力部ＯＵＴが２つずつの場合を例示したが、入力部ＩＮ及び出力部ＯＵＴはそれぞれ一つずつでもよい。図１１は、第４変形例にかかるリザボア素子Ｒ２の平面図である。入力部ＩＮから入力された弾性波は、伝搬領域ＩＦに向って広がる。また圧電体Ｐｂの端部まで至った弾性波は反射し、伝搬領域ＩＦに戻ってくる。そのため、入力部ＩＮが一つでも、弾性波同士は伝搬領域ＩＦにおいて干渉する。伝搬領域ＩＦで生じた弾性波は、出力部ＯＵＴで検出される。弾性波は、出力部ＯＵＴで電位差に変換され、外部に信号として出力される。
［第３実施形態］
　図１２は、第３実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ３の平面図である。第３実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ３が反射器Ｒｅを有する点が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。また入力部ＩＮは、上述の入力部ＩＮ１、ＩＮ２、ＩＮ３、ＩＮ４に置き換えてもよい。
　反射器Ｒｅは、弾性波を反射する部分である。反射器Ｒｅは、入力部ＩＮより伝搬領域ＩＦから離れた位置にある。反射器Ｒｅは、例えば、入力部ＩＮ及び伝搬領域ＩＦを挟む。
　図１３は、第３実施形態にかかる反射器Ｒｅの平面図である。反射器Ｒｅは、複数の反射構造体６０を有する。反射構造体６０は、複数の反射板６１からなる。反射板６１は、例えば、金属板である。反射板６１は、圧電体Ｐｂの表面につけた傷でもよい。反射板６１はそれぞれ、例えば、入力部ＩＮからの弾性波が伝わる方向と交差する方向に延びる。反射板６１はそれぞれ、例えば、ｙ方向に延びる。
　複数の反射構造体６０のうちの一つの反射構造体６０を第１反射構造体６０ａ、第１反射構造体６０ａと異なる反射構造体を第２反射構造体６０ｂと称する。第１反射構造体６０ａにおける反射板６１間の距離ｄ１は、第２反射構造体６０ｂにおける反射板６１の距離ｄ２と異なる。それぞれの反射構造体６０における反射板６１の距離は、それぞれ異なってもよい。反射構造体６０は、反射板６１の距離ｄ１、ｄ２によって反射できる弾性波の周波数が異なる。
　それぞれの反射構造体６０における反射板６１間の距離ｄ１、ｄ２は、入力部ＩＮにおける第１電極指１１ａと第２電極指１２ａとの距離のそれぞれと一致する。入力部ＩＮで生じる異なる周波数ｆ１，ｆ２，…，ｆｎの複数の弾性波はそれぞれ、いずれかの反射構造体６０で反射する。
　第３実施形態にかかるニューロモルフィックデバイスは、第１実施形態と同様の構成を有するため、第１実施形態にかかるニューロモルフィックデバイスと同様に、リザボアコンピューティングをデバイス化している。
　また反射器Ｒｅは、弾性波を反射し、伝搬領域ＩＦ内に弾性波を閉じ込める。弾性波を伝搬領域ＩＦ内に閉じ込めることで、リザボア素子Ｒ３で信号を一定期間保持でき、信号をメモリする効果が得られる。
［第４実施形態］
　図１４は、第４実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ４の平面図である。第４実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ４の形状が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　図１４に示すように、リザボア素子Ｒ４は伝搬領域ＩＦ２がｚ方向からの平面視で円形である。伝搬領域ＩＦ２の形状は、楕円等の略円形でもよい。入力部及び出力部は、円形の伝搬領域ＩＦ２の外側にある。入力部は、複数の電極対１０からなる。入力部を構成するそれぞれの電極対１０は、第１電極指と第２電極指との距離がそれぞれ異なり、異なる周波数ｆ１，ｆ２，…，ｆｎの弾性波を伝搬領域ＩＦ２に入力できる。出力部は、複数の電極対２０からなる。出力部を構成するそれぞれの電極対２０は、第１電極指と第２電極指との距離がそれぞれ異なり、伝搬領域ＩＦ２における異なる周波数ｆＡ，ｆＢ，…，ｆＮの弾性波を検知できる。図１４では、入力部を構成する電極対１０と出力部を構成する電極対２０が交互に並んでいるが、電極対１０と電極対２０の配列順は任意である。また電極対１０は、電極対３０、４０、５０でもよい。
　第４実施形態にかかるニューロモルフィックデバイスは、信号を弾性波に変換することで、信号同士を相互作用させることができる。弾性波は、伝搬領域ＩＦ２において干渉し、異なる周波数の弾性波を生み出し、非線形に相互作用する。伝搬領域ＩＦ２は、リザボアコンピューティングのリザボアＲと同じ作用をする。すなわち、第４実施形態にかかるニューロモルフィックデバイスは、リザボアコンピューティングをデバイス化している。
［第５実施形態］
　図１５は、第５実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ５の平面図である。第５実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ５の形状が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　図１５に示すように、リザボア素子Ｒ５は伝搬領域ＩＦ３内に、入力部及び出力部がある。入力部は、複数の電極対１０からなる。入力部を構成するそれぞれの電極対１０は、圧電体Ｐｂの一面にランダムに点在している。入力部を構成するそれぞれの電極対１０は、第１電極指と第２電極指との距離がそれぞれ異なり、異なる周波数ｆ１，ｆ２，…，ｆｎの弾性波を伝搬領域ＩＦ５に入力できる。出力部は、複数の電極対２０からなる。出力部を構成するそれぞれの電極対１０は、圧電体Ｐｂの一面にランダムに点在している。出力部を構成するそれぞれの電極対２０は、第１電極指と第２電極指との距離がそれぞれ異なり、伝搬領域ＩＦ３における異なる周波数ｆＡ，ｆＢ，…，ｆＮの弾性波を検知できる。電極対１０は、電極対３０、４０、５０でもよい。
　第５実施形態にかかるニューロモルフィックデバイスは、信号を弾性波に変換することで、信号同士を相互作用させることができる。弾性波は、伝搬領域ＩＦ３において干渉し、異なる周波数の弾性波を生み出し、非線形に相互作用する。伝搬領域ＩＦ３は、リザボアコンピューティングのリザボアＲと同じ作用をする。すなわち、第５実施形態にかかるニューロモルフィックデバイスは、リザボアコンピューティングをデバイス化している。
［第６実施形態］
　図１６は、第６実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ６の斜視図である。第６実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ６の形状が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　図１６に示すように、リザボア素子Ｒ６は球状である。リザボア素子Ｒ６は、例えば、入力部ＩＮと出力部ＯＵＴと伝搬領域ＩＦ４とを有する。図１６に示すリザボア素子Ｒ６は、球状の圧電体Ｐｂ１の表面に、入力部ＩＮと出力部ＯＵＴと伝搬領域ＩＦ４とを有する。圧電体Ｐｂ１の材料は、上述の圧電体Ｐｂと同様である。また入力部ＩＮは、上述の入力部ＩＮ１、ＩＮ２、ＩＮ３、ＩＮ４に置き換えてもよい。伝搬領域ＩＦ４は、例えば、圧電体Ｐｂ１の入力部ＩＮ及び出力部ＯＵＴ以外の部分である。
　第６実施形態にかかるニューロモルフィックデバイスは、信号を弾性波に変換することで、信号同士を相互作用させることができる。弾性波は、伝搬領域ＩＦ４において干渉し、異なる周波数の弾性波を生み出し、非線形に相互作用する。伝搬領域ＩＦ４は、リザボアコンピューティングのリザボアＲと同じ作用をする。すなわち、第６実施形態にかかるニューロモルフィックデバイスは、リザボアコンピューティングをデバイス化している。
［第７実施形態］
　図１７は、第７実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ７の斜視図である。第７実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ７の形状が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　リザボア素子Ｒ７は、圧電体Ｐｂ２と複数の第１電極７１と複数の第２電極７２と複数の第３電極７３と複数の第４電極７４とを有する。圧電体Ｐｂ２の材料は、上述の圧電体Ｐｂと同様である。
　圧電体Ｐｂ２は、階段状の第１階段ｓｔ１と第２階段ｓｔ２とを有する。第１階段ｓｔ１及び第２階段ｓｔ２の厚みはそれぞれ、例えば、ｘ方向に向かうにつれて厚くなっている。第１階段ｓｔ１の各段における厚みは、例えば、第２階段ｓｔ２の各段における厚みと異なる。
　圧電体Ｐｂ２の第１面は、第１階段ｓｔ１の複数のテラス面と、第２階段ｓｔ２の複数のテラス面と、を有する。第１階段ｓｔ１の複数のテラス面のそれぞれには、複数の第１電極７１がそれぞれある。第２階段ｓｔ２の複数のテラス面のそれぞれには、複数の第３電極７３がそれぞれある。
　複数の第１電極７１と対向する位置には、それぞれ複数の第２電極７２がある。複数の第２電極７２は、圧電体Ｐｂ２の第２面にある。対向する第１電極７１と第２電極７２とのそれぞれの距離は、ｘｙ面内の位置によって異なる。第１電極７１と第２電極７２とは、リザボア素子Ｒ７の入力部となる。
　複数の第３電極７３と対向する位置には、それぞれ複数の第４電極７４がある。複数の第４電極７４は、圧電体Ｐｂ２の第２面にある。対向する第３電極７３と第４電極７４とのそれぞれの距離は、ｘｙ面内の位置によって異なる。また対向する第３電極７３と第４電極７４とのそれぞれの距離は、対向する第１電極７１と第２電極７２とのそれぞれの距離と異なる。第３電極７３と第４電極７４とは、リザボア素子Ｒ７の出力部となる。
　第１電極７１と第２電極７２は、電位差を弾性波に変換し、弾性波を生み出す。例えば、第１電極７１と第２電極７２との間に電位差が生じると、第１電極７１と第２電極７２との間に電場が生じる。電場は圧電体Ｐｂ２に電気分極を生み出し、圧電体Ｐｂ２を歪ませる。第１電極７１と第２電極７２との間に交流を印加すると、圧電体Ｐｂ２の厚みが変化し、内部に体積弾性波を生み出す。弾性波の周波数は、第１電極７１と第２電極７２との距離で決まる。第１電極７１と第２電極７２は、ｘｙ面内の位置によって距離が異なるため、異なる周波数の弾性波を圧電体Ｐｂ２内部に生み出す。
　圧電体Ｐｂ２内部に生じた体積弾性波は、圧電体Ｐｂ２内部で互いに干渉する。圧電体Ｐｂ２の内部が伝搬領域となる。
　第３電極７３と第４電極７４とは、所定の周波数の弾性波を電位差に変換する。圧電体Ｐｂ２の歪みは、電気分極を生み出し、第３電極７３と第４電極７４との間に電位差を生み出す。体積弾性波は、電位差に変換され、信号として外部に出力される。第３電極７３と第４電極７４との距離によって電位差に変換できる弾性波の周波数は異なる。第３電極７３と第４電極７４は、ｘｚ面内の位置によって距離が異なるため、異なる周波数の弾性波を電位差に変換できる。
　第７実施形態にかかるニューロモルフィックデバイスは、信号を体積弾性波に変換することで、信号同士を相互作用させることができる。体積弾性波は、圧電体Ｐｂ２の内部において干渉し、異なる周波数の弾性波を生み出し、非線形に相互作用する。圧電体Ｐｂ２の内部は、リザボアコンピューティングのリザボアＲと同じ作用をする。すなわち、第７実施形態にかかるニューロモルフィックデバイスは、リザボアコンピューティングをデバイス化している。
　図１７では、圧電体Ｐｂ２の第１面ｓ１を階段状にしたが、第２面を階段状にしてもよく、第１面及び第２面を階段状にしてもよい。また第１面又は第２面を斜面としてもよい。
［第８実施形態］
　図１８は、第８実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子Ｒ８の平面図である。第８実施形態にかかるニューロモルフィックデバイスは、リザボア素子Ｒ８の形状が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　リザボア素子Ｒ８は、図２に示すリザボア素子Ｒ１を複数直列に接続したものである。それぞれのリザボア素子Ｒ１は、電位差を弾性波に変換し、弾性波を電位差に変換する圧電素子である。第１リザボア素子Ｒ１ａの出力部ＯＵＴは、第２リザボア素子Ｒ１ｂの入力部ＩＮと接続されている。第１リザボア素子Ｒ１ａと第２リザボア素子Ｒ１ｂは、伝搬領域ＩＦに対する入力部ＩＮと出力部ＯＵＴの位置関係が９０°ずれている。
　第８実施形態にかかるニューロモルフィックデバイスは、第１実施形態と同様の構成を有するため、第１実施形態にかかるニューロモルフィックデバイスと同様に、リザボアコンピューティングをデバイス化している。また第８実施形態にかかるニューロモルフィックデバイスは、図１に示すリザボアＲに対応する箇所を複数有し、より複雑な演算を行うことができる。
　図１８では、リザボア素子Ｒ１を複数直列に接続する場合を例に示したが、その他のリザボア素子Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ６、Ｒ７をリザボア素子Ｒ１と置き換えてもよいし、組み合わせてもよい。
［第９実施形態］
　図１９は、第９実施形態にかかるニューロモルフィックデバイスにおけるリザボア素子の出力部の斜視図である。第９実施形態にかかるニューロモルフィックデバイスは、出力部ＯＵＴ１の電極層２５が圧電体Ｐｂと直接接していない点が、第１実施形態にかかるニューロモルフィックデバイスと異なる。第１実施形態にかかるニューロモルフィックデバイスと同様の構成については同様の符号を付し、説明を省く。
　図１９に示す出力部ＯＵＴ１は、電極層２５と半導体層２６とを有する。半導体層２６は、電極層２５と圧電体Ｐｂとの間に位置する。半導体層２６は、例えば、シリコンである。
　第９実施形態にかかるニューロモルフィックデバイスは、第１実施形態と同様の構成を有するため、第１実施形態にかかるニューロモルフィックデバイスと同様に、リザボアコンピューティングをデバイス化している。また電極層２５と圧電体Ｐｂとの間に半導体層２６を有すると、信号の出力効率が向上する。表面弾性波により圧電体Ｐｂに生じた分極は、電界を生み出す。この電界が半導体層２６のキャリアと相互作用し、非線形相互作用が強められるためである。
　図２０は、第５変形例にかかるニューロモルフィックデバイスにおけるリザボア素子の出力部の斜視図である。図２０に示す出力部ＯＵＴ２は、半導体層２６と圧電体Ｐｂとの間に空隙Ｓｐを有する。空隙Ｓｐは、半導体層２６と圧電体Ｐｂとの間に形成された支持体２７によって形成される。支持体２７は、絶縁体であり、例えば、酸化シリコンである。
　第５変形例にかかるニューロモルフィックデバイスも第９実施形態にかかるニューロモルフィックデバイスと同様の効果が得られる。
　第９実施形態にかかる出力部ＯＵＴ１、ＯＵＴ２の特徴的な構成は、第１実施形態から第８実施形態のいずれの構成にも適用可能である。
１０、２０、３０、４０、５０　電極対
１０ａ、２０ａ、３０ａ　第１電極対
１０ｂ、２０ｂ、３０ｂ　第２電極対
１１、２１、３１、４１、５１、７１　第１電極
１１ａ、２１ａ、３１ａ　第１電極指
１１ｂ、２１ｂ、３１ｂ　第１導体
１２、２２、３２、４２、５２、７２　第２電極
１２ａ、２２ａ、３２ａ　第２電極指
１２ｂ、２２ｂ、３２ｂ　第２導体
１３　第１配線
１４　第２配線
２５　電極層
２６　半導体層
２７　支持体
３１ａ１、３２ａ１　第１端
４３、４５、５３、５５　電極指
４４、４６、５４、５６　導体
６０　反射構造体
６０ａ　第１反射構造体
６０ｂ　第２反射構造体
６１　反射板
７３　第３電極
７４　第４電極
ＩＦ、ＩＦ２、ＩＦ３、ＩＦ４　伝搬領域
ＩＮ、ＩＮ１、ＩＮ２、ＩＮ３、ＩＮ４　入力部
ＩＮａ　第１入力部
ＩＮｂ　第２入力部
Ｌ１、Ｌｉｎ　入力層
Ｌ２、Ｌｏｕｔ　出力層
ＭＡＤ　積和演算部
ｎ１、ｎ２、ｎ３　ニューロン
ＮＤ　ニューロモルフィックデバイス
ＮＮ　ニューラルネットワーク
ＯＵＴ、ＯＵＴ１、ＯＵＴ２　出力部
ＯＵＴａ　第１出力部
ＯＵＴｂ　第２出力部
Ｐｂ、Ｐｂ１、Ｐｂ２　圧電体
Ｒ　リザボア
Ｒ１、Ｒ２、Ｒ３、Ｒ４、Ｒ５、Ｒ６、Ｒ７、Ｒ８　リザボア素子
Ｒｅ　反射器
ｓｔ１　第１階段
ｓｔ２　第２階段
ｔ１　入力端子
ｔ２　出力端子
ＶＬ１　第１仮想線
ＶＬ２　第２仮想線

Claims (20)

  1. 　弾性波が伝搬する伝搬領域を有する圧電体と、
    　前記圧電体に前記伝搬領域に異なる周波数の複数の弾性波を生み出す入力部と、
    　前記圧電体から前記複数の弾性波が前記伝搬領域で干渉することにより生じる弾性波を検出する出力部と、を備える、リザボア素子。
  2. 　前記伝搬領域、前記入力部及び前記出力部は、前記圧電体の同一面上にある、請求項１に記載のリザボア素子。
  3. 　前記出力部は、電極層と半導体層とを有し、前記電極層と前記圧電体との間に半導体層を挟む、請求項１に記載のリザボア素子。
  4. 　前記圧電体と前記半導体層との間に、空隙を有する、請求項３に記載のリザボア素子。
  5. 　前記入力部は、第１入力部と第２入力部とを有し、
    　前記第１入力部と前記第２入力部とは、前記伝搬領域を挟む、請求項１～４のいずれか一項に記載のリザボア素子。
  6. 　前記出力部は、前記第１入力部から前記第２入力部へ向かう方向と交差する位置にある、請求項５に記載のリザボア素子。
  7. 　前記入力部は、複数の電極対を有し、
    　前記複数の電極対はそれぞれ、互いに対向する第１電極指と第２電極指とを有し、
    　前記複数の電極対のうちの第１電極対と第２電極対とは、前記第１電極指と前記第２電極指との距離が異なる、請求項１～６のいずれか一項に記載のリザボア素子。
  8. 　前記複数の電極対はそれぞれ、前記第１電極指と前記第２電極指とを複数有し、
    　それぞれの電極対において、前記第１電極指のそれぞれの第１端部を結ぶ第１仮想線と、前記第２電極指のそれぞれの第１端部を結ぶ第２仮想線との距離は、前記伝搬領域に近づくにつれて広がる、請求項７に記載のリザボア素子。
  9. 　前記複数の電極対は、電極対が前記伝搬領域から離れる方向に並んでいる、請求項７又は８に記載のリザボア素子。
  10. 　前記複数の電極対は、それぞれ電気的に接続されている、請求項７～９のいずれか一項に記載のリザボア素子。
  11. 　前記入力部は、斜め電極指型電極対を有し、
    　前記斜め電極指型電極対は、第３電極指と第４電極指とを有し、
    　前記第３電極指と第４電極指との距離は、前記第３電極指及び第４電極指が延びる第１方向の位置によって異なる、請求項１～１０のいずれか一項に記載のリザボア素子。
  12. 　前記第３電極指と前記第４電極指との距離は、前記第１方向に、段階的に変化する、請求項１１に記載のリザボア素子。
  13. 　前記第３電極指と前記第４電極指との距離は、前記第１方向に、連続的に変化する、請求項１１に記載のリザボア素子。
  14. 　弾性波を反射する反射器をさらに有し、
    　前記反射器は、前記入力部より前記伝搬領域から離れた位置で、前記入力部及び前記伝搬領域を挟む、請求項１～１３のいずれか一項に記載のリザボア素子。
  15. 　前記出力部は、複数の出力電極対を有し、
    　前記複数の出力電極対はそれぞれ、互いに対向する第１出力電極指と第２出力電極指とを有し、
    　前記複数の出力電極対のうちの第１出力電極対と第２出力電極対とは、前記第１出力電極指と前記第２出力電極指との距離が異なる、請求項１～１４のいずれか一項に記載のリザボア素子。
  16. 　前記伝搬領域は略円形であり、
    　前記入力部及び前記出力部は、前記干渉領域の外周に沿って配置される、請求項１～１５のいずれか一項に記載のリザボア素子。
  17. 　前記圧電体は球状であり、
    　前記伝搬領域、前記入力部及び前記出力部は、球状の前記圧電体の表面にある、請求項１～１６のいずれか一項に記載のリザボア素子。
  18. 　前記伝搬領域は前記圧電体の内部にあり、
    　前記入力部は、前記圧電体の第１面上の第１電極と、前記第１面と反対側の第２面上の第２電極とからなり、
    　前記第１電極と前記第２電極との距離は、前記第１面及び前記第２面が広がる面内方向の位置によって異なり、
    　前記出力部は、前記圧電体の前記第１面上の第３電極と、前記第２面上の第４電極とからなり、
    　前記第３電極と前記第４電極との距離は、前記第１面及び前記第２面が広がる面内方向の位置によって異なる、請求項１に記載のリザボア素子。
  19. 　前記圧電体、前記入力部及び前記出力部を備える圧電素子を複数有し、
    　複数の前記圧電素子のうちの第１圧電素子の出力部は、複数の前記圧電素子のうちの第２圧電素子の入力部に接続されている、請求項１～１７のいずれか一項に記載のリザボア素子。
  20. 　請求項１～１９のいずれか一項に記載のリザボア素子を備える、ニューロモルフィックデバイス。
PCT/JP2020/007079 2019-10-29 2020-02-21 リザボア素子及びニューロモルフィックデバイス WO2021084768A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019196071 2019-10-29
JP2019-196071 2019-10-29

Publications (1)

Publication Number Publication Date
WO2021084768A1 true WO2021084768A1 (ja) 2021-05-06

Family

ID=75715899

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/007079 WO2021084768A1 (ja) 2019-10-29 2020-02-21 リザボア素子及びニューロモルフィックデバイス

Country Status (1)

Country Link
WO (1) WO2021084768A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7120485B1 (ja) * 2021-06-24 2022-08-17 Tdk株式会社 情報処理装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0316311A (ja) * 1989-03-30 1991-01-24 Canon Inc 弾性表面波素子およびその製造法
JPH07122965A (ja) * 1993-10-27 1995-05-12 Sanyo Electric Co Ltd 弾性表面波フィルタ
JP2010245738A (ja) * 2009-04-03 2010-10-28 Seiko Epson Corp Ｓａｗフィルター
JP2011041082A (ja) * 2009-08-13 2011-02-24 Murata Mfg Co Ltd 一ポート型弾性波共振子及び弾性波フィルタ装置
WO2014203038A1 (en) * 2013-06-19 2014-12-24 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi System and method for implementing reservoir computing in magnetic resonance imaging device using elastography techniques
WO2018231763A1 (en) * 2017-06-15 2018-12-20 Cymatics Laboratories, Corp. Wave propagation computing devices for machine learning
US20190205742A1 (en) * 2018-01-03 2019-07-04 International Business Machines Corporation Reservoir and reservoir computing system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0316311A (ja) * 1989-03-30 1991-01-24 Canon Inc 弾性表面波素子およびその製造法
JPH07122965A (ja) * 1993-10-27 1995-05-12 Sanyo Electric Co Ltd 弾性表面波フィルタ
JP2010245738A (ja) * 2009-04-03 2010-10-28 Seiko Epson Corp Ｓａｗフィルター
JP2011041082A (ja) * 2009-08-13 2011-02-24 Murata Mfg Co Ltd 一ポート型弾性波共振子及び弾性波フィルタ装置
WO2014203038A1 (en) * 2013-06-19 2014-12-24 Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi System and method for implementing reservoir computing in magnetic resonance imaging device using elastography techniques
WO2018231763A1 (en) * 2017-06-15 2018-12-20 Cymatics Laboratories, Corp. Wave propagation computing devices for machine learning
US20190205742A1 (en) * 2018-01-03 2019-07-04 International Business Machines Corporation Reservoir and reservoir computing system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7120485B1 (ja) * 2021-06-24 2022-08-17 Tdk株式会社 情報処理装置
WO2022269864A1 (ja) * 2021-06-24 2022-12-29 Tdk株式会社 情報処理装置

Similar Documents

Publication Publication Date Title
Jiang et al. Randomized resonant metamaterials for single-sensor identification of elastic vibrations
WO2021084768A1 (ja) リザボア素子及びニューロモルフィックデバイス
JPH0573705A (ja) ニユーラルネツトワーク学習方法およびこの学習方法を用いた信号処理装置
JP2004504749A (ja) 交互分極ドメインを有する音波デバイス
Stoliar et al. A functional spiking neural network of ultra compact neurons
WO2022201425A1 (ja) 情報処理装置、隠れノードの設定方法及び情報処理装置の製造方法
JPS5836012A (ja) 弾性表面波装置
US20230055056A1 (en) Reservoir element and neuromorphic device
JP6908210B1 (ja) パラメータの設定方法およびリザボア素子の制御方法
Wilcox et al. An example of the use of interdigital PVDF transducers to generate and receive a high order Lamb wave mode in a pipe
WO2024176334A1 (ja) 情報処理装置
Fall et al. Modelling based on spatial impulse response model for optimization of inter digital transducers (SAW sensors) for non destructive testing
JP7120485B1 (ja) 情報処理装置
US4355290A (en) Acoustic surface wave filter
WO2023181420A1 (ja) 情報処理装置
JPS6345055Y2 (ja)
JPH0422210A (ja) 弾性表面波素子
Ippolito et al. Finite-element analysis for simulation of layered SAW devices with XY LiNbO3 substrate
JPH0643995A (ja) 超音波タッチパネル
JP3400179B2 (ja) 弾性表面波フィルタ
Harris et al. Practical properties of a thick-film elastic wave sensor structure
Dmitriev Theory of an SAW filter operating in weakly coupled resonance modes
Yankin et al. Quasi-field Method for Calculation of Surface Acoustic Wave Device's Characteristics
Mats Houben Frequency selectivity of neural circuits with heterogeneous transmission delays
Chang et al. A frequency assessment expert system of piezoelectric transducers in paucity of data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20881909

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20881909

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP