イオンゲルとグラフェンで、機械学習の計算を劇的に省力化できるAIデバイスを実現

近年、深層学習や生成AIに代表される機械学習の消費電力が指数関数的に増大しており、深刻な社会問題となっています。この解決に向けて低消費電力かつ高い計算性能を備えた人工知能(AI)デバイスの需要が高まっています。高効率な脳型情報処理であるリザバーコンピューティングを行うAIデバイス「物理リザバー」は、計算負荷(必要な積和演算の数)が小さく省電力であるため注目されていますが、ソフトウェア処理に比べて低い計算性能が課題でした。

今回、NIMS、東京理科大学、神戸大学からなる研究チームは、イオンを利用する物理リザバー素子を開発し、深層学習並みの高い計算性能と桁違いに低い計算負荷を実現しました。高い電子移動度や両極性をもつグラフェンと、イオンゲルを組み合わせることで、速度が異なる様々な反応(イオンと電子が様々な形で動く)が複雑に関係しながら進むため、非常に広い範囲で時定数が異なる(変化速度が異なる)入力信号に対応が可能となります。その計算性能は、従来型物理リザバーの中でも最も高い計算性能を示し、ソフトウェアで実行した深層学習と同等の計算性能でありながら、計算負荷を約100分の1まで低減することに成功しました(図)。

今後は、本研究で得られた素子を搭載して、高性能・高効率に情報処理する超低消費電力エッジAIデバイスの実現を目指していきます。

• 本研究は、NIMS若手国際研究センターの西岡 大貴 リサーチフェロー、NIMSナノアーキテクトニクス材料研究センター(MANA)ニューロモルフィックデバイスグループの土屋 敬志 グループリーダー(東京理科大学客員教授)を中心に、同グループの北野 比菜 NIMSジュニア研究員(東京理科大学連携大学院土屋研究室博士課程1年)、NIMS MANA イオニクスデバイスグループの並木 航 研究員、寺部 一弥 グループリーダー、神戸大学大学院工学研究科 電気電子工学専攻の相馬 聡文 准教授からなる研究チームによって、JSTさきがけ「新原理デバイス創成のためのナノマテリアル(研究総括: 岩佐 義宏)」における研究課題「超高速動作イオントロニクスの創成」(JPMJPR23H4)の一環として行われました。
• 本研究成果は、2025年10月14日にACS Nanoのオンライン版に掲載されました。