機械学習向けApproximate不揮発性メモリ

抄録

深層学習など，機械学習に最適な不揮発性メモリを紹介する．機械学習では，ある程度のエラーを許容する（精度を落とすことができる）ことを利用して，不揮発性メモリの高速化・低電力化・低コスト化を図る．ただし，LSIのチップレベルではエラーが存在しても，機械学習を使った推論・認識の精度は落とさないようにすることが必要である．本稿では，機械学習に向けてエラーを許容した，Approximateコンピューティングを適用したSRAM・DRAM・不揮発性メモリを紹介する．メモリのみならず，深層学習のネットワーク，積和演算器（データ処理部），ネットワークなどさまざまな階層で，機械学習応用を対象としたApproximateコンピューティングの検討が行われている．機械学習に最適なコンピュータを実現するためには，これらソフト・ハードの異種レイヤを統合し，どのレイヤでどのようなエラーが許容されるかを，今後明らかにする必要がある．