ニューロモルフィックコンピューティング(ニューロモルフィックコンピューティング)

◆ AI 技術の高度化に不可欠なニューロチップの基礎となる脳型 (ニューロモルフィック) コンピューティングを詳説!
◆ハードウェアニューラルネットワークの構築に必要なアルゴリズムとハードウェアの協調設計、協調最適化の方法論をまとめた、類を見ない 1 冊!
◆ AI 技術の最新動向、ハードウェア実装に関心のある研究者や技術者、学生などに。

【主な目次】
第 1 章 概要
第 2 章 人工ニューラルネットワークの基礎
第 3 章 ハードウェアにおける人工ニューラルネットワーク
第 4 章 スパイキングニューラルネットワークの動作原理
第 5 章 スパイキングニューラルネットワークのハードウェア実装
第 6 章 結論
付録
序文
謝辞
第 1 章 概要
1.1 ニューラルネットワークの歴史
1.2 ソフトウェアにおけるニューラルネットワーク
1.3 ニューロモルフィックハードウェアの必要性
1.4 本書の目的と概略
参考文献
第 2 章 人工ニューラルネットワークの基礎
2.1 人工ニューラルネットワークの動作原理
2.2 ニューラルネットワークに基づく機械学習
2.3 ネットワークトポロジー
2.4 データセットとベンチマーク
2.5 深層学習
参考文献
第 3 章 ハードウェアにおける人工ニューラルネットワーク
3.1 概要
3.2 汎用プロセッサ
3.3 デジタルアクセラレータ
3.4 アナログ・ミックスドシグナルアクセラレータ (analog/mixed-signal accelerators)
3.5 事例研究:適応型動的計画法 (ADP) のためのエネルギー効率の高いアクセラレータ
参考文献
第 4 章 スパイキングニューラルネットワークの動作原理
4.1 スパイキングニューラルネットワーク
4.2 浅い層を持つ SNN における学習
4.3 深層 SNN での学習
第 4 章 付録:Multi-timescale adaptive threshold モデル (MAT モデル)
4.付.1 Leaky Integrate and Fire モデル
4.付.2 MAT モデル
4.付.3 スパイキングニューロンモデルの比較
参考文献
第 5 章 スパイキングニューラルネットワークのハードウェア実装
5.1 特殊化したハードウェアの必要性
5.2 デジタル SNN (digital SNN)
5.3 アナログ/ミックスドシグナル SNN (analog/mixed-signal SNN)
参考文献
第 6 章 結論
6.1 展望
6.2 結論
参考文献
付録
付.1 ポップフィールドネットワーク
付.2 ポップフィールドネットワークによるメモリの自己修復
参考文献
索引

深層学習の消費電力が問題視されるなかで、脳の情報処理をハードウェアレベルで模倣するニューロモルフィックコンピューティングは、次世代の計算パラダイムとして研究が進む分野です。本書は小林亮太氏らがこの領域を日本語で体系的にまとめた専門書であり、スパイキングニューラルネットワーク (SNN) の理論から、ニューロモルフィックチップの設計原理、学習アルゴリズム、応用事例までを一貫して扱います。

通常のニューラルネットワーク (ANN) が連続値の活性化を扱うのに対し、 SNN はニューロンの発火タイミング (スパイク) で情報を符号化します。この時間軸を伴う計算モデルの基礎と、それを効率的に動かすためのハードウェア (Intel Loihi 、 IBM TrueNorth など) の設計思想が併せて解説されている点が、本書の学術的な独自性です。

読者としては電子工学・計算機科学・神経科学のいずれかに基礎を持つ大学院生や研究者、あるいは省電力エッジ AI の設計に関心のあるエンジニアが主対象です。学部レベルの数学と計算機アーキテクチャの知識を前提としており、一般的なプログラミング入門書とは大きく性格が異なります。日本語でこの分野を俯瞰できる書籍が限られるなか、貴重な参照点となる一冊です。