HiAER-spike ソフトウェア・ハードウェア再構成可能プラットフォーム：スケールでのイベント駆動型ニューロモルフィック計算

なぜ新しいタイプのコンピュータが重要か

今日の人工知能の多くは、表計算やワープロ用に何十年も前に設計されたハードウェア上で動いており、脳向けに最適化されているわけではありません。研究者がより賢く、より効率的な機械を目指すにつれて、消費電力、速度、スケールの限界に直面しています。本稿は HiAER-Spike を紹介します。これは実際のニューロンのような短い電気的事象である「スパイク」を用いて情報処理を行うニューロモルフィック計算プラットフォームです。サンディエゴ超並列コンピューティングセンターの共有資源として構築され、研究者が小型動物の脳に近いスケールで脳に着想を得たAIを実験できることを目指しつつ、従来のシステムより遥かに少ないエネルギーで動作します。

脳に着想を得た機械の構築

HiAER-Spike は多数のサーバーで構成される大規模クラスタで、各サーバーには再構成可能な高性能チップ（FPGA）が搭載されています。これらのチップは通常のソフトウェア命令を実行する代わりに、スパイキングニューラルネットワークと呼ばれる広大な人工ニューロンとシナプスのネットワークとして動作するように構成されます。システム全体は約1億6千万のモデルニューロンと400億のシナプスを扱えるよう設計されており、マウスの脳のニューロン数の2倍以上に相当しながら実時間より速くシミュレーションできます。階層的アドレスイベントルーティングと呼ばれる特別な通信方式により、スパイクが同一チップ内のニューロングループ間や異なるチップ、さらにはサーバー間を迅速に伝搬できるようになっており、局所的に密な通信と長距離でまばらな接続をバランスさせる点で、脳の灰白質と白質に似た仕組みになっています。

限られたハードウェアに巨大ネットワークを収める

この種のシステムを構築する際の大きな課題の一つは、接続情報をすべて格納することです。現代のニューラルネットワークは非常に大きい一方でスパース（まばら）であることが多く、可能なすべての接続の多くは使用されません。HiAER-Spike はこのスパース性を利用し、すべての可能性を格子状に保存するのではなく、存在する接続のみを効率的なリストとして保存します。シナプス重みは各FPGA上の高帯域幅メモリに格納され、ニューロンや軸索の急速に変化する状態はより高速なオンチップメモリに保持されます。スパイクが発生すると、まずどのシナプスが影響を受けるかを参照し、次にその重みを取り出して標的ニューロンを更新します。この二段階プロセスと、メモリ内でのデータの慎重な詰め方により、ネットワークが大規模になってもエネルギー消費と遅延を低く抑えられます。

先進ハードウェアを使いやすくする工夫

この専用機を非専門家にも開放するために、著者らは Python と C++ による高水準のソフトウェアインターフェースを作成しました。ユーザーはニューロンの種類、入力、接続、出力を定義する簡潔なオブジェクトでスパイキングネットワークを記述でき、低レベルのハードウェア詳細を気にする必要はありません。同じコードはローカルのソフトウェアシミュレーションとしても実行でき、Neuroscience Gateway ポータルを通じて送信すれば HiAER-Spike ハードウェア上で動かすこともできます。プラットフォームは現在、単純な二値ニューロンとリーク積分・発火（leaky integrate-and-fire）ニューロンをサポートし、動作にランダム性を加えるオプションや、異なるニューロン型を同一ネットワーク内で混在させることも可能です。この設計により研究者はノートパソコンでモデルを試作し、その後シームレスに大規模なニューロモルフィッククラスタへスケールアップできます。

実タスクへのスパイクの応用

プラットフォームの能力を示すため、チームは標準的な視覚・制御モデルをスパイキング形式に変換し、単一のFPGAコア上で実行しました。古典的なMNISTデータセットによる手書き数字認識、フレームではなくスパイクを出力するイベントベースカメラを使ったジェスチャ認識、CIFAR-10画像の物体認識、さらには動きのスパイク表現を用いた Atari の Pong の制御などを試験しました。これらのタスクにおいて、ハードウェアは重み量子化後のソフトウェアシミュレーションと高い一致度を示し、多くの場合数パーセントポイント以内の差にとどまり、非常に低いレイテンシとエネルギー消費を実現しました。例えば、ある手書き数字認識ネットワークは、画像あたりマイクロジュールのエネルギーとマイクロ秒の遅延で98％超の精度を達成しました。

この新しいプラットフォームが切り拓くもの

一般読者にとっての要点は、HiAER-Spike が研究コミュニティなら誰でも遠隔で利用できる柔軟な脳に着想を得た計算実験台であることです。初期段階であっても、単一コアでイベントベースカメラからのジェスチャ認識のようなかなり大きなスパイキングネットワークを、多くの競合システムよりずっと少ないエネルギーと時間で実行できます。今後さらにコアやボードが増え、ソフトウェアがより豊かなニューロンモデルや学習則を取り入れれば、このプラットフォームは大量のスパイクネットワークが効率的な知覚や意思決定、将来の低消費電力インテリジェントデバイスをどう実現し得るかを探る実験を橋渡しする役割を果たす可能性があります。

引用: Frank, G., Hota, G., Wang, K. et al. HiAER-spike software-hardware reconfigurable platform for event-driven neuromorphic computing at scale. npj Unconv. Comput. 3, 22 (2026). https://doi.org/10.1038/s44335-026-00062-8

キーワード: ニューロモルフィックコンピューティング, スパイキングニューラルネットワーク, FPGA アクセラレータ, イベントベースビジョン, 脳に着想を得たハードウェア