[論文レビュー] 2021 Roadmap on Neuromorphic Computing and Engineering

Arnab Neelim Mazumder, Morteza Hosseini+2 more|arXiv (Cornell University)|May 12, 2021

Advanced Memory and Neural Computing参考文献 8被引用数 45

ひとこと要約

2022年のロードマップは、材料、デバイス、回路、アルゴリズム、応用分野、倫理を網羅し、ボルツマン型アーキテクチャに比べて消費電力を著しく削減する脳にインspiredされたシステムを提唱している。エネルギー消費を最大1000倍まで削減できる可能性があり、エッジインテリジェンスや持続可能なAIにとって不可欠な存在であると位置づけている。

ABSTRACT

Modern computation based on the von Neumann architecture is today a mature cutting-edge science. In this architecture, processing and memory units are implemented as separate blocks interchanging data intensively and continuously. This data transfer is responsible for a large part of the power consumption. The next generation computer technology is expected to solve problems at the exascale. Even though these future computers will be incredibly powerful, if they are based on von Neumann type architectures, they will consume between 20 and 30 megawatts of power and will not have intrinsic physically built-in capabilities to learn or deal with complex and unstructured data as our brain does. Neuromorphic computing systems are aimed at addressing these needs. The human brain performs about 10^15 calculations per second using 20W and a 1.2L volume. By taking inspiration from biology, new generation computers could have much lower power consumption than conventional processors, could exploit integrated non-volatile memory and logic, and could be explicitly designed to support dynamic learning in the context of complex and unstructured data. Among their potential future applications, business, health care, social security, disease and viruses spreading control might be the most impactful at societal level. This roadmap envisages the potential applications of neuromorphic materials in cutting edge technologies and focuses on the design and fabrication of artificial neural systems. The contents of this roadmap will highlight the interdisciplinary nature of this activity which takes inspiration from biology, physics, mathematics, computer science and engineering. This will provide a roadmap to explore and consolidate new technology behind both present and future applications in many technologically relevant areas.

研究の動機と目的

• ニューロモーフィックコンピューティングの主要な技術的・倫理的分野における現状と将来の展望を提供すること。
• 特にデータ移動に起因する高い消費電力というボルツマン型アーキテクチャの限界を是正すること。
• ニューロモーフィックシステムが、エッジデバイスや複雑なデータに対してエネルギー効率が高く、リアルタイム処理を可能にする方法を検討すること。
• 自律性、責任、持続可能性、社会的影響を含む、ニューロモーフィックAIの倫理的影響を検討すること。
• 材料、デバイス、システム統合分野における重要な課題と機会を特定することで、研究者および政策立案者を支援すること。

提案手法

• 18カ国から75名の主要な研究者から意見を集約し、多分野的で合意形成に基づくロードマップを策定した。
• 分析を6つのコア分野に構造化した：材料、デバイス、ニューロモーフィック回路、アルゴリズム、応用、倫理。
• 非揮発的かつ低消費電力動作に適した、相変化、フェロエレクトリック、バレンス変化メモリなどの新素材を評価した。
• 電気化学的金属化セルやナノワイヤーネットワークなどのデバイスレベルのイノベーションを評価し、シナプスの模倣を可能とした。
• スパikingニューラルネットワークやイベント駆動処理を含む、ニューロモーフィック回路およびアルゴリズムの進展を調査した。
• 持続可能性、自律システムにおける責任、長期的社會的影響に焦点を当てた倫理的分析を統合した。

実験結果

リサーチクエスチョン

• RQ1 ニューロモーフィックシステムは、従来のボルツマン型コンピューティングアーキテクチャのエネルギー非効率性をどのように克服できるか？
• RQ2 低消費電力でスケーラブルなニューロモーフィックハードウェアを実現するために、どの材料とデバイスが最も有望か？
• RQ3 効率的なニューロモーフィックアルゴリズムおよびシステムレベルのアーキテクチャを設計するにあたり、主な課題は何か？
• RQ4 ニューロモーフィックコンピューティングは、エッジデバイスや実世界の応用分野への実用的導入をどのように可能にするか？
• RQ5 ニューロモーフィックAIシステムの開発と導入をガイドするための、どのような倫理的フレームワークが必要か？

主な発見

• ニューロモーフィックシステムは、最先端の機械学習手法と比較して、消費電力を最大3桁（1000倍）まで削減できる。
• 相変化メモリ、フェロエレクトリックデバイス、電気化学的金属化セルは、シナプスの模倣と非揮発的動作に強く有望な可能性を示している。
• イベント駆動型でスパikingニューラルネットワークアーキテクチャは、エネルギー消費を最小限に抑えながら、動的でスパースなデータストリームを効率的に処理できる。
• ニューロモーフィック技術は、データソースに近い場所で処理を実行することで、知能を備えたエッジコンピューティングを実現するのに適している。
• 自律性、責任、持続可能性に関するAIの倫理的懸念は、ニューロモーフィックシステムによって顕著に強調されるが、そのエネルギー効率の高さによって緩和される可能性もある。
• ニューロモーフィックシステムの開発は、ロボットの権利や技術的シンギュラリティといったAI倫理に関する議論を活発化させる可能性があるが、これらは依然として予想にとどまる。