文献

J-GLOBAL ID：202102290109502629   整理番号：21A0426498

CMOS負性微分抵抗(NDR)に基づくシリコンニューロントランジスタ

Silicon neuron transistor based on CMOS negative differential resistance (NDR)

著者 (9件)： Zhao Fan (School of Electrical and Information Engineering, Tianjin University) ,  Jia Cong (School of Electrical and Information Engineering, Tianjin University) ,  Guo Weilian (Tianjin Key Laboratory of Imaging and Sensing Microelectronic Technology, School of Microelectronics, Tianjin University) ,  Xie Sheng (Tianjin Key Laboratory of Imaging and Sensing Microelectronic Technology, School of Microelectronics, Tianjin University) ,  Chen Yan (College of Physics, Hebei Normal University) ,  Tee Clarence Augustine T. H (Department of Electrical Engineering, Faculty of Engineering, University of Malaya) ,  Huo Dongquan (School of Electrical and Information Engineering, Tianjin University) ,  Chang Yanyan (Tianjin Key Laboratory of Imaging and Sensing Microelectronic Technology, School of Microelectronics, Tianjin University) ,  Jiang Huaiyan (Tianjin Key Laboratory of Imaging and Sensing Microelectronic Technology, School of Microelectronics, Tianjin University)
資料名： IEICE Electronics Express (Web)  (IEICE Electronics Express (Web))
巻： 17  号： 24  ページ： 20200316(J-STAGE)  発行年： 2020年 
JST資料番号： U0039A  ISSN： 1349-2543  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 計算機科学指向および神経科学指向は,汎用人工知能(AGI)を開発するための2つの一般的アプローチである。本研究では,AGI応用のための神経科学手法を用いてシリコンニューロントランジスタを開発した。ニューロン挙動(”加重和と閾値”関数)は,相補的金属-酸化物-半導体(CMOS)負性微分抵抗(NDR)理論に基づいている。このニューロントランジスタはUMC 180nm商用標準CMOSプロセスにより実装され,これは全ニューラルネットワークの実装,あるいは同じチップ上の他のCMOS回路との集積に有益である。このニューロントランジスタは,それぞれ3つの入力V_g1,V_g2,およびV_g3と制御端末,V_con,負荷端子,V_b(load),および駆動端末V_{b(ドライバ)}から成る。各入力の幅は1.8μmであり,入力は,それぞれ1,2,および4のフィンガがあり,重量比は1:2:4であった。V_b(load)とV_{b(ドライバ)}は,従来の人工ニューラルネットワークと比較して,改善された感度とより少ない複雑性で,ニューロントランジスタを実際の生物学的ニューロンとより密接に似せることを可能にする。このニューロンMOSトランジスタを10kHzの最大周波数で測定した。それは,<10^-4μWの非常に低い電力消費と30×15μm²の小いさいフットプリントを有した。プロセス特徴サイズが減少すると,このチップの動作周波数は1桁増加し,一方電力消費とフットプリントは減少する。(翻訳著者抄録)

シソーラス用語： *負性抵抗 ,  CMOS ,  人工知能 ,  *ニューロン ,  ニューラルネットワーク ,  電力消費 ,  範囲 ,  周波数 ,  動作 ,  神経科学 ,  *トランジスタ
準シソーラス用語： フットプリント ,  動作周波数 ,  *負性微分抵抗

著者キーワード (5件)： 人工知能(AGI) ,  CMOSFET回路 ,  人工ニューラルネットワーク(ANN) ,  シリコンニューロントランジスタ ,  負性微分抵抗(NDR)

分類 (1件)： トランジスタ  (NC03070N)

引用文献 (37件)：

• [1] K. He, et al.: “Deep residual learning for image recognition,” Proceedings of 2016 IEEE Conference on Computer Vision And Pattern Recognition (2016) 770 (DOI: 10.1109/cvpr.2016.90).
• [2] T. Young, et al.: “Recent trends in deep learning based natural language processing,” IEEE Comput. Intell. Mag. 13 (2018) 55 (DOI: 10.1109/mci.2018.2840738).
• [3] G. Hinton, et al.: “Deep neural networks for acoustic modeling in speech recognition: the shared views of four research groups,” IEEE Signal Process. Mag. 29 (2012) 82 (DOI: 10.1109/MSP.2012.2205597).
• [4] Y. LeCun, et al.: “Deep learning,” Nature 521 (2015) 436 (DOI: 10.1038/nature14539).
• [5] J. Pei, et al.: “Towards artificial general intelligence with hybrid Tianjic chip architecture,” Nature 572 (2019) 106 (DOI: 10.1038/s41586-019-1424-8).

タイトルに関連する用語 (2件)： CMOS ,  負性微分抵抗