独自開発した液体に音の信号パターンを与えることで高速にAI学習する──東京理科大学と産業技術総合研究所の研究グループが、4月28日にこんな研究成果を発表した。コンピュータのみでの処理に比べて消費電力を低く抑えられ、処理も高速に行えることからエッジデバイスでのAI学習への応用が期待できるという。
リザバーコンピューティングの概念図（a）と、入力に対する適切なリザバー出力（b）ニューラルネットワークの中間層を、コンピュータの代わりに物理系の作用を使って情報処理する手法は「リザバーコンピューティング」と呼ばれている。その例として研究グループは「貯水池（リザバー）の水面に石を投げ込んで生じた波紋のパターンは、投げ込んだ石のサイズや投げ込む順序を反映することから、石の時系列情報を推測できる」と説明する。
研究グループは、生活環境で聞こえる人の声などの周波数に適した、イオン性の液体を開発。入力をパルス信号で与え、液体を通過して電流として応答する際に、電流の減衰時間に入力の特徴が反映されるように調整した。
リザバーコンピューティングに適した液体のカチオン側で、側鎖の長さを調整することで粘性を制御した画像認識タスクとして、代表的な手書き文字のデータセット「MNIST」を縦にスライスし、パルスパターンに変換して素子に与えたところ、最大で90.2％の識別精度に達したという。
MNISTの手書き文字データセットを縦にスライスし、パルスパターンに変換することで学習を実施。最大で90.2％の認識精度を示した実験に使った液体は揮発しにくく燃えにくいことから、安全性の高いエッジAIデバイスへの応用が期待できるとしている。
研究成果は、国際学術誌「Scientific Reports」に4月28日付でオンライン掲載された。
関連記事
関連リンク
からの記事と詳細 ( “液体”でリアルタイムAI学習 環境音に最適化、低消費電力でエッジデバイス応用に期待 - ITmedia NEWS )
https://ift.tt/vLX5yKl
No comments:
Post a Comment