国立大学法人東北大学電気通信研究所公式ウェブサイト|Research Institute of Electrical Communication Tohoku University

東北大学電気通信研究所共同プロジェクト研究会「ブレインウェアのアーキテクチャの研究」【平成29年度第1回ブレインウェア研究会】(2017年7月5日開催)

東北大学電気通信研究所共同プロジェクト研究会
「ブレインウェアのアーキテクチャの研究」【平成29年度第1回ブレインウェア研究会】(2017年7月5日開催)

開催日時:2017年7月5日(水)13:30~17:00

開催場所:東北大学電気通信研究所本館6F 中会議室(M602)

プ ロ グ ラ ム
2017年7月5日(水)13:30~17:00
13:30-13:40 堀尾喜彦(通研)
開会の挨拶・研究会趣旨説明
13:40-15:10 Timothée Levi(東大、Bordeaux大)
招待講演「Biomimetic neural network for bio-hybrid systems」

概要:Millions of people worldwide are affected by neurological disorders which disrupt connections between brain and body causing paralysis or affect cognitive capabilities. The realization of neuroprostheses implies that we know how to interact with neuronal cell assemblies, taking into account the intrinsic spontaneous activity of neuronal networks and understanding how to drive them into a desired state or to produce a specific behavior. The long-term goal of replacing damaged brain areas with artificial devices also requires the development of Spiking Neural Network (SNN) system. They will fit with the recorded electrophysiological patterns and will produce in their turn the correct stimulation patterns for the brain so as to recover the desired function. This talk will describe the development of real-time biomimetic neural networks for bio-hybrid closed-loop experiments and perspectives in that field. The talk will focus on 3 neuromorphic systems, one using analog silicon neurons, one with digital silicon neurons, and the other using microfluidic neurons, which is a new way to explore in neuromorphic engineering.

15:20-16:50 富岡 洋一(会津大)
招待講演「脳型CNNアクセラレータの設計と解析」

概要:本発表ではディープラーニングの主要技術である畳込みニューラルネットワーク(Convolutional Neural Network, CNN)の超並列計算の実現のために,人間の脳に倣った計算時間効率とエネルギー効率の良いアーキテクチャについて議論する.このようなCNNアクセラレータは,製造業,ヘルスケア,農業といった多くの分野において応用することが可能である.
よく知られているように,人間の脳は非常に多くのニューロンで構成されており,ひとつひとつのニューロンはシナプス,デンドライトにより他の数千個のニューロンと直接結合している.フォンノイマン型コンピュータとは対照的に,人間の脳はひとつのユニット内で,データ記憶と計算の両方の機能を有している.ニューロンの発火の最大周波数は0.25から2 kHz程度であり,消費電力はわずか20Wである.タスクに応じて脳の一部のニューロンしか活性化されないため,コンピュータと同様の考え方で計測すると,その計算効率は極めて低い.このように,低周波数で動作するニューロンを一部だけ利用して超並列処理を行うことで,特定タスクのデータ処理(計算とデータの再利用)を電力効率良く,リアルタイムで実現している.
我々の提案する深層CNNアクセラレータは,人間の脳のようにデータ記憶と計算を融合する,すなわち,”computing-in-memory”(又は”processing-near-data”)のパラダイムに基づいている.この提案アクセラレータはProcessor@Memory Elements (PMEs)を基本要素とする3次元直方体型のネットワークで構成され,各層で処理されるデータテンソル(特徴マップ)と同サイズのPMEネットワークが活性化する.(すなわち,ひとつのPMEがひとつのデータと対応する.)時空間的に計算とデータ循環を統率し実行することで,データテンソルはPMEネットワーク内で再利用(更新)され,その形は動的に変形される.この新しい,細粒度の“coordinated processing-in-memory”アプローチにより,最小ステップ数のデータ計算と循環で畳込み層の計算を実行可能であり,リアルタイム処理を保証できる最小動作周波数で動作させることで,低消費電力かつリアルタイムのCNN計算を達成する.

17:00 閉会