機械学習向け、“Approximateコンピューティング”を採用した、高速低電力ReRAMストレージ実現に見通し ～エラーを許容して７倍高速化と９０％消費エネルギーを低減～

概　要

　中央大学 理工学部 教授 竹内 健と機構助教 松井 千尋のグループは、機械学習を用いた応用に向けて、“Approximateコンピューティング”を採用した、高速低電力なReRAM（抵抗変化型メモリ）^注1ストレージの実現に見通しをつけました。画像や音声の認識、SNSの分類、Web広告のレコメンデーションなど統計的機械学習^注2の応用では、多少のエラーが許容されます。それを活かして、メモリのデータマネジメントの簡略化や、読み出しや書き込みの動作条件を変える事で、ReRAMを用いたデータセンタ^注3のストレージシステムに対して、従来のコンピューティングでは実現不可能な、７倍の高速化、９０％の消費エネルギーの低減を実現しました。本技術により、将来のデータセンタのストレージが高速・低電力になるのみならず、次世代メモリReRAMの更なる微細化、大容量化が期待できます。

　本研究成果は、新エネルギー・産業技術総合開発機構（NEDO）の委託事業である高効率・高速処理を可能とする AIチップ・次世代コンピューティングの技術開発プロジェクト／次世代コンピューティング技術の開発「イン不揮発性メモリ分散Approximateコンピューティングの研究開発」において実施されたものです。

　本研究成果は、２０１９年６月１０日から６月１４日に京都で開催された「IEEE Symposia on VLSI Technology」で発表されました。

＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊＊
【研究者】    竹内　健  　　中央大学理工学部　教授（電気電子情報通信工学科）
　　　　　　 松井　千尋　  中央大学研究開発機構　機構助教

【発表（雑誌・学会）】
　本研究成果は、２０１９年６月１０日から６月１４日に京都で開催された「IEEE Symposia on VLSI Technology」で発表されました。
論文名： Application-Induced Cell Reliability Variability-Aware Approximate Computing in TaOx-based ReRAM Data Center Storage for Machine Learning
 
【研究内容】以下のPDFよりご確認いただけます

　　　　　　プレスリリース全文