2019 年 88 巻 6 号 p. 376-381
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.