1

太陽電池で動作可能な人工知能LSI

（mW級動作のスマートIoT端末に向けて）

東京理科大学 工学部 電気工学科

教授 河原 尊之

2018年11月13日

2

技術背景：ＩｏＴ技術の進展

次世代ＩｏＴ：モノ側(エッジ)のデータが質・量共に高度化。同時にAI(人工知能)時代到来。

従来ＩｏＴ

実世界

温度値

CO2量

電流量

LAN

次世代ＩｏＴ

画像認識

音声認識

動画抽出

実世界

LAN

LAN

クラウド

モノ側(エッジ)

センサ＋情報処理

高度センサ＋高度情報処理

3

クラウド

高度ＡＩ処理・学習

ＩｏＴ技術のサステナブルな発展へ

次世代ＩｏＴ：量的に爆発する実世界高度情報をクラウドへ賢く伝送することが重要。

実世界高度情報

その場でAIにて有意情報抽出

その場でAIが判断し制御

限りあるバンド幅

必要情報のみ

LAN/WAN

人工知能LSI

高感度多量センサ→データ量の爆発

エッジＡＩ処理→限られた電源環境、

実装スペース

4

クラウド処理ｖｓエッジ処理

• クラウド: 最先端デバイス、高集積、良環境

• モノ(エッジ): 実装制限、電源他劣環境クラウド/サーバ モノ(エッジ)

クラウド モノ(エッジ)

プロセッサ周波数 GHz ｋHz～MHz

メモリ TB、DRAM, Hybrid NVDRAM GB、SRAM, NV-RAM

AI(人工知能)処理 学習、推論 推論、制御

電力 ＭＷ、専用電源 mＷ～μＷ

実装環境 空調専用室、専用ラック 工場、エンジン室、風雨環境

5

ＡＩ(人工知能)処理• 人工知能処理には大きな計算資源が必要

次世代ＩｏＴ端末で必要なコンピューティング処理(AI処理)GOPS1 10

GOPS: Giga Operations Per Second

100

Face Recognition

Video Recognition

Voice Recognition

Eye Recog.

VLSI 2008 Plenaryより

コンピューティング必要性能

パタン認識・特徴点抽出

データベース探索・認証

実世界

複雑情報

照合

推測

最適解へ

有意情報

ネット経由クラウドへ

・探索(認識) ・最適化

6

モノ側(エッジ)次世代ＡＩ処理の特徴

• モノ側(エッジ)にて高度データから有意な情報抽出に必要な処理：最適化問題

• 巡回セールスマン問題

• スケジューリング問題

• 生産計画問題 etc…

• 全ての解を列挙する処理のため、通常のコンピュータ処理では長時間or大電力

• 次世代ＩｏＴではセンスする情報が多岐

7

モノ側(エッジ)ＡＩ(人工知能)処理の特徴

• 電源環境に制限

→環境発電での動作が望まれる

• 実装面積が限られる

→機器小型化が必要

μＷ ｍＷ Ｗ

振動温度差

太陽光 通常電源

電源

供給電力

IoTで重要

n p熱

冷却

ＡＩチップ(LSI)が必須

8

モノ側(エッジ)ＡＩ処理

• 最適化問題解法が必要。膨大な処理必要

これを小型機器にて環境発電可能な低電力に処理したい

パタン候補

最適

値か

らの

ずれ

最適解

全パターン探索例：巡回セールスマン問題

9

=,

+系全体のエネルギー

イジングモデル

=,

+最適化問題の評価関数

最適化問題

イジングマシン：ＡＩチップ化への道標

• スピンが安定状態へ＝最適化問題の解

10

イジングマシン開発動向• 量子系含めて世界中で開発中

• エッジ用の汎用性優れるＬＳＩチップは無い・D-WAVE “量子イジングマシン”

干渉セルを備えた超伝導コイルを用いて構成・極低温が必要

・日立 “古典イジングマシン”SRAMの状態でスピンを表現し、古典イジングマシンを実現。２万個のスピンをチップに搭載。近接結合・事前のソフト処理必要

・国立情報研究所 “量子イジングマシン”

注入同期レーザー網とＦＰＧＡで構成。全結合(FPGA処理)・レーザ発振器が必要

・富士通 “古典イジングマシン

ＦＰＧＡを用いてイジングモデルの回路を構成。柔軟な回路構成を採用。全結合・大規模ＦＰＧＡ

各図は、開発機関のＨＰ、リリース、又は発表論文から採ったもの。

11

開発目的

•モノ側(エッジ)低電力ＡＩ処理装置の実現

1013

10-2

ソフト処理イジングマシン

今回全結合

イジングLSI従来

(ノイマン型逐次処理)

電源制限のあるモノ側(エッジ)処理に対応電

力(ワット

) /エッジＡＩ処理

102

100

従来イジングＬＳＩ

(電力積からの等価な値として)

12

新技術の特徴・従来技術との比較

• モノ側(エッジ)にて有意な情報抽出に必要な最適化問題を解く超低電力かつ高性能なＡＩチップ技術を開発。

• 従来は処理に必要な処理・電力の点でクラウドでの使用に限られていた。開発技術によりｍＷオーダーまで低電力化でき太陽電池動作が可能。

• モノ側情報を有効活用した組込み機器運用効率向上や農業・インフラ保守管理低減に期待。

13

従来技術の課題

• 量子系(極低温)、レーザ光学系、ＦＰＧＡシステムは、モノ側(エッジ)に適用は実装面積から難しい。

• 問題毎のソフト処理を前提としたＬＳＩチップは、モノ側(エッジ)に適用は汎用性に課題がある。

• 電源環境がモノ側(エッジ)は厳しい。環境発電を活用できるほどに低電力化が必要。

14

新技術の位置づけ•汎用性に優れ、低電力な方式

汎用性

全結合

隣接・近接

電力・コスト・全体処理時間

ＣＭＯＳチップ＋ソフト処理

ＦＰＦＡイジング

レーザ＋光ファイバ＋ＦＰＦＡ

本技術

近接接続高次元化全結合

光ファイバ内近接結合をＦＰＧＡで全結合化処理

近接結合のみ。全結合へは外部で事前にソフト処理

ブロックに分け展開し全結合

小 大

小

大

クラウド向けエッジ向け

15

開発技術(1/3)• イジングマシン：磁性材料のスピン状態を

計算するモデルに基づく

スピンの動きという自然現象を模擬して計算を行う

= +1= −1

外場 安定状態へ

外場

16

開発技術(2/3)•従来に比べ、応用範囲が広くかつ実装容易

ホップフィールド

イジングモデル

近接のみで全結合実現

本技術（３次元イジングモデル）

近接結合実装易特定問題のみ

全結合実装難広応用

実装易、広応用

17

開発技術(3/3)•ＬＳＩチップ化容易となり、低電力動作が可能

ＡＩチップレイアウト例

３次元イジングモデルのレイアウト（新チップアーキテクチャ）

18

ＬＳＩ化方式比較

•ＬＳＩ化にてモノ側(エッジ)で有意な情報抽出

全結合実現LSI

分割及び統合部

FPGA

必要結合ソフト処理

近接結合LSI

参考図

本技術

汎用性 消費電力 実装ｺｽﾄ スピン結合性能

FPGA

近接結合CMOSASIC

◎

△

(FPGA)

△

〇

〇

△

〇

〇

△

方式

近接のみで全結合実現

全結合

近接結合

〇

〇

△

◎

〇

△

(FPGA)

事前にソフト処理必要

19

ＬＳＩ性能比較

•モノ側(エッジ)にて有意な情報抽出に必要

面積（相対値）

従来

今回

相互作用 相互作用計算

スピン

～1/10

10 0.5処理時間（相対値）

従来

今回

イジング処理

～1/100

前処理

10020 4 98

近接のみで全結合実現のスピン間結合計算方式の効果

全結合搭載の効果

20

想定される用途

• 以下の分野における高効率なデータ利活用システムへの適用

– インフラ監視低電力ＡＩシステム

– ＡＩ用いたモノづくりの高効率化

– 長時間着衣型健康監視ＡＩシステム

• その他、幅広い分野での組み合わせ最適化問題に対応でき、その場(エッジ側)での電池レスＡＩ処理が可能。

21

実用化に向けた課題

• 現在、チップを試作中であり来年２月に完成。並行してＦＰＧＡでも回路構築中。

• 今後、チップやＦＰＧＡでの実動作検証を行っていく。

• 実用化に向けて、スピン数や内部動作のビット数(精度)を適切な値に設定する必要がある。

22

企業への期待• エッジ側で次世代ＩｏＴ向けの高度なＡＩ処理を

低電力で行うことが本技術により可能

• 実応用展開へのライセンス及び共同研究

展開

企業のエッジ用システム(展開案)

汎用イジングAIチップ(IP)

IO

メモリ

センサＡＤμｺﾝﾄﾗｰﾗ

ＬＳＩ高位記述

デモボード例

デモシステム開発

PC

23

本技術に関する知的財産権

• 発明の名称 ： 半導体装置

• 出願番号 ： 特願2018-051033特願2018-184043

• 出願人 ： 学校法人東京理科大学

• 発明者 ： 河原尊之、他各2名

24

産学連携への活動• 2018年8月10日

NEDO「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／【研究開発項目〔1〕】革新的AIエッジコンピューティング技術の開発」に採択

関連技術

• 2018年5月7日

プレスリリース “モノ側で情報の高度な利活用を行う人工知能(ＡＩ)処理型リコンフィギュラブル半導体“

http://www.tus.ac.jp/today/20180507005.pdf

25

お問い合わせ先

東京理科大学

研究戦略・産学連携センター

担当URA：波多江

ＴＥＬ ０３－５２２８－７４４０

ＦＡＸ ０３－５２２８－７４４１

e-mail ｕｒａ＠ａｄｍｉｎ.ｔｕｓ.ａｃ.ｊｐ