νMOSデバイスによるセルラーニューラルネットワークLSIの研究
藤原 孝信
2000 年度 卒 ／修士（工学）
修士論文の概要
本研究は、非ノイマン情報処理アーキテクチャーの三次元セルラーニューラルネットワークをハードウェア化することによって、既存の集積回路とは異なる新しい並列処理・機能処理LSIの開拓を目指したものである。すなわち、シリコン機能デバイスのνMOS FETを用いて三次元セルラーニューラルネットワークを構成するための方針を確立することにより、新しい並列・機能LSIの実用化に向けた見通しを得ることができた。
近年の電気工学、特に情報処理分野における発展には目を見張るものがあり、まさに日進月歩のペースで進歩しつづけている。そのように情報処理分野が発展している背景には、現代社会の情報化が進み情報処理装置なしには成り立たないという状況に変わりつつあるためである。このような状況に応えるため、情報処理分野は常に最先端の技術で研究開発され、将来も発展しつづけるであろう。
情報処理用のハードウエアに関しては、現在はノイマンアーキテクチャーとプール代数に基礎をおいたLSIコンピュータが主流となっており、この流れは今後もゆるぎないものと考えられている。しかし最近のマルチメディア社会の発展や、情報そのものが氾濫し、多種多用に細分化する傾向にあることで、現在のLSIコンピュータでは処理しきれない問題も増えつづけてきている。また物理的な製造技術の問題による動作速度・集積度・消費電力の点から、近い将来に性能向上の限界がやってくると考えられている。そのような問題に答えるため、現在のコンピュータにおいて基本となるノイマン形アーキテクチャー、ブール代数といった概念にとらわれない新しいアーキテクチャーを作り出すことが必要である。本報告では、三次元セルラーニューラルネットワーク（CNN）を通常のCMOS集積回路により構成する方法について検討した結果を報告する。
近傍作用系の単位ニューロンを格子状に配置したCNNは、階層型ニューラルネットワークに比べて、より高い情報処理機能をもち、完全結合型ニューラルネットワークと比較して、構造が簡単である。全く同一の動作をするセルを並べたセルオートマトンの計算万能性を考慮すると、セルごとに異なる結合の仕方や動作の仕方が許されるCNNは、より高度な機能を実現できる潜在力をもつことが期待される。しかし、さまざまな目的のCNNを効率よく設計する一般的な手法は確立されていない。そのようななかで、三次元構造のCNNについて、遺伝的アルゴリズムを用いた設計法が提案され、さらにその具体的な応用が報告されている。主に時系列の情報処理の例が示されており、複雑な情報の処理が、比較的規模の小さなネットワークを用いて可能なことが示されている。更に単位セル（ニューロン）が近傍相互作用するCNNの動作は、脳細胞の動作と類似する点がある。このようなネットワークを回路として具体化し、集積回路化を検討することは新機能集積回路を開拓する上で重要なことである。
機能性の面ばかりでなく、ニューロンの結合を最近傍にのみ許容するCNNの性質は、回路として実現する際に、配線を整然と行える特徴をもつ。回路化するための重要なポイントは近傍ニューロンからの入力信号の積和演算、およびその結果のしきい値との比較を行う回路をできるだけコンパクトに設計する点にある。この点に関しては、機能デバイスの一つであるニューロンMOS（νMOS）をもちいてセルオートマトンを構成すると、高度な画像処理機能をもつ並列分散処理回路をコンパクトに実現できることが報告されている。この回路簡単化の手法は三次元CNNにおいても有効となる辛が期待される。本報告では、セルオートマトンの構成と同様の方法を用いることによって三次元CNNを構成することを考える。