九州工大など、マテリアルベースのリザバー演算素子開発とロボティクスへの応用に成功

　九州工業大学ニューロモルフィックAIハードウェア研究センター（センター長:田中啓文）の田中啓文教授、田向権教授（ともに本学大学院生命体工学研究科との兼担）らの研究グループは、大阪大学の小川琢治元教授、カリフォルニア大学ロサンゼルス校（UCLA）のジムゼウスキー教授と共同で、単層カーボンナノチューブ（SWNT）（*1）/ポルフィリン（Por）（*2）-ポリオキソメタレート（ポリ酸、POM）（*3）複合体のランダムネットワークを人工知能素子の一種であるリザバー演算（RC）（*4）素子として応用し、ロボットアームのハンド部分から得られる触感信号をリザバー演算させることでロボットが何を掴んだのかを判別（把持物体認識）することに成功しました（図1）。ナノマテリアルに計算を担わせる「インマテリオ」（*5）リザバーデバイスによるロボット制御は世界に先駆けた研究の一例であり、将来的にはAIシステムの省エネルギー化や家庭内で働く自律ロボットの状況認識機能などに用いられることが期待されます。

　本研究成果は、2022年1月4日（日本時間）にドイツの科学誌「Advanced Intelligent Systems」のオンライン版で公開されました。

【ポイント】

・マテリアルベースのリザバー演算素子の開発に成功した。

・把持物体の認識にマテリアルベースのリザバー演算が応用できる可能性を初めて示した。

・開発したリザバー演算素子は近い将来に時系列予測や音声認識など複雑なAI問題への応用も期待できる。

■ 研究の背景

　人間の脳を人工的に模倣するには、ランダムに接続されたニューロンとシナプスの動的な貯蔵庫(リザバー)を模倣することが必要で、これは人工ニューラルネットワーク(ANN)の登場により実現されました。さらに、ANNの一種であるリザバー演算(RC)は、貯蔵庫内での信号のランダムなフィードバックを忠実に再現して時系列データの学習を可能にし、その結果、RCは既存の深層ニューラルネットワークと比較して効率的かつ高速でシンプルな、より生物の脳の仕組みを繊細に模倣した機械学習アーキテクチャとして、将来のAIシステムの候補となっています。

　RCソフトウェアの研究は多くなされています。しかしながら、ソフトウェアのみでの既存のコンピュータ上でのRCの実現は、トランジスタのサイズやムーアの法則に従った性能の限界により消費電力の点では困難で、ハードウェアからアプローチするパラダイムシフトが不可欠です。したがって、現在はソフトウェアに並行して物理的な挙動を演算ツールとして用いる物理リザバーに関する研究に注目が集まっており、これまでタコの足の挙動や光学系、磁気スピンの挙動などを用いた物理リザバーの研究が徐々に進んできました。

　その中でも我々のように物理的挙動を示すマテリアル自身に演算を担わせるインマテリオRCの実装は非常に新しい試みです。マテリアル科学の分野では、特にナノマテリアルがその強い非線形伝導*6のために、リザバー構造を構築するための有望な選択肢となっており、時系列予測や音声分類のタスクを解決するために多くの研究に応用されています。