STDP学習側を用いた酸化物半導体薄膜シナプス素子の検討

摘要

ニューロモルフィックハードウェアは現在のノイマン型コンピュータ上で実行される人工知能(Artificial Intelligence;AI)が抱える消費電力やロバスト性の問題を持たない低消費電力で高性能なハードウェアとして期待されている。先行研究においては酸化物半導体であるアモルファスIn-Ga-Zn-O(a-IGZO)をシナプス素子として用いたデバイスによる文字認識学習に成功した。本研究ではさらなる低消費電力化、高性能化を目指し、生物学的シナプスのスパイクタイミング依存可塑性(Spike Timing Dependent Plasticity;STDP)を用いたスパイキングニューラルネットワーク(SpikingNeural Network;SNN)のシナプス素子にa-IGZOが使用可能であるか検討を行った。