可変ガウス様メモリセルに基づくコルモゴロフ–アーノルドネットワーク向けのメモリ内演算アーキテクチャ

この新しいチップの考え方が重要な理由

今日の人工知能システムは、ゲームAIからチャットボットに至るまで、単純な演算ユニットの巨大なネットワークに依存しており、多大なエネルギーを消費し高性能なグラフィックスチップを必要とします。本論文は、メモリと演算を同じ小さな要素に統合し、コルモゴロフ–アーノルド（Kolmogorov–Arnold）ネットワークと呼ばれる新しいクラスのニューラルネットワークに合わせて設計された別種のAIハードウェアを提示します。その結果、学習をより脳に近い柔軟かつ効率的な形で行いながら、現在の主流ハードウェアよりもはるかに少ない電力で動作することを目指したチップ構想が示されます。

引用: Wen, Z., Zhang, Q., Chen, J. et al. Computing-in-memory architecture for Kolmogorov-Arnold networks based on tunable Gaussian-like memory cells. Nat Commun 17, 3496 (2026). https://doi.org/10.1038/s41467-026-69592-w

キーワード: ニューロモルフィックコンピューティング, メモリ内演算, コルモゴロフ–アーノルドネットワーク, メムリスタデバイス, 省エネルギーAIハードウェア