時間信号処理のためのサブスレッショルド・アナログCMOSリザバー・チップの実証

スマート機器にとって小型・低消費電力チップが重要な理由

フィットネストラッカーから環境センサーまで、多くのデバイスは音声や温度、振動のように時間とともに変化する信号のパターンを認識する必要がありながら、バッテリーを消耗させたくありません。本稿では、そのような信号を効率的に学習・予測できる超低消費電力チップの新しいタイプを紹介します。これにより、高度な「脳のような」処理がネットワークの末端にある小さくエネルギー制約のある機器に近づきます。

人工知能を考える別の視点

多くの人は人工知能を電力を大量に消費するサーバー上で動く大規模ニューラルネットワークと結び付けて考えます。リザバーコンピューティングは、音声やカオス的な運動など時間変動情報を扱うための軽量な代替手段です。内部の結合をすべて何度も再学習する代わりに、リザバーは内部ネットワークを固定し、単純な出力層だけを調整します。入力信号が固定ネットワークを伝播するとき、さまざまな内部状態に広がり、それによって出力層は基本的な数学的手法を用いてパターンを認識したり次に来るものを予測したりしやすくなります。

物理を計算資源に変える

本研究は、ネットワークをソフトウェアとしてではなくハードウェアに直接具現化する「物理的」リザバーコンピューティングに焦点を当てています。これまでの研究では光、磁性材料、ナノスケールネットワーク、さらにはソフトロボットが入力を変換する物理コアとして用いられてきました。シリコンチップは大量生産や既存電子機器との統合が可能なため依然として魅力的です。著者らはこの方向性を発展させ、時間依存タスクのリザバーとして機能する標準的なCMOS技術のカスタムアナログチップを作成し、極めて低い消費電力、小面積、工業的なチップ製造との互換性を目指しています。

過去を記憶する単純な要素のリング

チップの中心には相互接続されたノードの単純なリング、すなわちシンプルサイクルリザバーがあります。各ノードは非線形素子、電荷を蓄える小さなコンデンサ、増幅器という三つの主要部分を持つアナログ回路です。信号はすべてのノードに同時に入力される一方で、リング状に一方向へとノード間を伝わります。この配置はより複雑に配線されたネットワークの配線問題を回避しつつ、最近の過去とやや古い過去の両方を符号化する豊かな内部状態を生み出します。設計者はトランジスタをエネルギー節約の動作領域で駆動し、電圧の小さな変化が滑らかな曲線応答を引き起こすように意図的に操作しています。またノードごとにトランジスタのサイズを変えることで応答に違いを持たせ、内部活動の多様性を高めています。これにより時間的パターンの分離や認識が容易になります。

困難な信号での記憶と予測の試験

このコンパクトなリングの能力を評価するため、研究チームはまず過去の入力をどれだけ記憶し変換できるか、すなわち情報処理能力を測定しました。チップは最近の値を記憶する強い「線形」メモリだけでなく、より複雑で歪んだ形の値を保持する能力も示しました。これは実世界の非線形プロセスを扱う上で重要です。次にチームはより困難なベンチマーク課題に取り組みます：複数の時間ステップにわたる入力の組み合わせを要する課題、カオス的な数理システムのねじれの予測、そして月次の全球地表温度の予測です。これらのタスクにおいて、チップの予測系列は急激な変動と長期的な温暖化傾向の両方を含め実際の信号に密接に追従し、コアあたり約20マイクロワットという消費電力しか必要としません—典型的なデジタルプロセッサよりもはるかに低い値です。

日常技術への意味

簡単に言えば、研究者らは小型のカスタムアナログチップが時間変動データのための特化型ミニ脳のように機能し、最近の過去を十分に記憶しそれらの記憶を有用な形にゆがめて正確な予測を行えることを示しました。極めて低消費電力で標準的なチップ技術で作られているため、この種のリザバーコンピューティングハードウェアは、センサーやウェアラブル、遠隔の環境モニタに組み込まれ、データを常にクラウドに送信する代わりに現場でデータストリームを解析できるようになる可能性があります。

引用: Matsuno, S., Yuki, A., Ando, K. et al. Demonstration of a subthreshold analog CMOS reservoir chip for temporal signal processing. npj Unconv. Comput. 3, 12 (2026). https://doi.org/10.1038/s44335-026-00059-3

キーワード: リザバーコンピューティング, 低消費電力AIハードウェア, アナログCMOS, 時系列予測, エッジコンピューティング