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は、人間の脳の構造と機能にヒントを得たコンピューティング手法です。^{[1] [2]}ニューロモルフィックコンピュータ/チップとは、物理的な人工ニューロンを使用して計算を行うデバイスのことです。^{[3] [4]}最近では、ニューロモルフィックという用語は、アナログ、デジタル、アナログ/デジタル混合モードVLSI、および神経システムのモデル（知覚、運動制御、または多感覚統合用）を実装するソフトウェアシステムを説明するために使用されています。最近の進歩により、化学システムの液体溶液を通じて人間の神経系を模倣する方法も発見されています。^[5]

ハードウェアレベルでのニューロモルフィックコンピューティングの実装は、酸化物ベースのメモリスタ[ ^6]、 スピントロニクスメモリ、閾値スイッチ、トランジスタ[ ^{7] [4]}などによって実現でき、これらはリザーバコンピューティングと重複しています。スパイキングニューラルネットワークのソフトウェアベースのニューロモルフィックシステムのトレーニングは、誤差逆伝播法（例えば、snnTorchなどのPythonベースのフレームワーク^[8]）を使用するか、生物学的学習文献からの標準的な学習ルール（例えば、BindsNet）を使用して実現できます。^[9]

ニューロモルフィック エンジニアリングの重要な側面は、個々のニューロン、回路、アプリケーション、および全体的なアーキテクチャの形態が、どのように望ましい計算を作成し、情報の表現方法に影響を与え、損傷に対する堅牢性に影響を与え、学習と発達を組み込み、局所的な変化 (可塑性) に適応し、進化的な変化を促進するかを理解することです。

ニューロモルフィックエンジニアリングは、生物学、物理学、数学、コンピュータサイエンス、電子工学^[4]からインスピレーションを得て、視覚システム、頭眼システム、聴覚プロセッサ、自律ロボットなどの人工神経システムを設計する学際的な分野です。その物理的アーキテクチャと設計原理は、生物学的神経システムのものに基づいています。 ^[10]ニューロモルフィックエンジニアリングの最初のアプリケーションの1つは、1980年代後半に カーバーミード^[11]によって提案されました。

ニューロモルフィック エンジニアリングは、今のところ、脳の構造と機能に関する知識から得たインスピレーションによって他とは一線を画しています。ニューロモルフィック エンジニアリングは、脳の機能に関する知識をコンピューター システムに変換します。研究は主に、生物学的計算のアナログな性質と、認知におけるニューロンの役割を再現することに焦点を当てています。

ニューロンとそのシナプスの生物学的プロセスは恐ろしく複雑で、人工的にシミュレートするのは非常に困難です。生物学的脳の重要な特徴は、ニューロンのすべての処理がアナログ化学信号を使用していることです。現在の世代のコンピューターは完全にデジタルであるため、コンピューターで脳を再現することは困難です。ただし、これらの化学信号の特性は、ニューロンの動作の本質を厳密に捉える数学関数に抽象化できます。

ニューロモルフィックコンピューティングの目標は、脳とその機能のすべてを完璧に模倣することではなく、脳の構造と動作について知られていることを抽出し、実用的なコンピューティングシステムで使用することです。ニューロモルフィックシステムは、ニューロンとシナプスのすべての要素を再現することを主張したり試みたりすることはありませんが、ニューロンに類似した一連の小さなコンピューティング要素全体にコンピューティングが高度に分散されているという考え方に固執しています。この考え方は一般的ですが、研究者はさまざまな方法でこの目標を追求しています。^[12]

2006年には、ジョージア工科大学の研究者がフィールドプログラマブルニューラルアレイを発表しました。^{[13]このチップは、} MOSFETのゲートの電荷をプログラムして脳内のニューロンのチャネルイオン特性をモデル化できる、ますます複雑化するフローティングゲートトランジスタアレイの最初のものであり、シリコンプログラマブルニューロンアレイの最初の例の1つでした。

2011年11月、 MITの研究者グループは、 400個のトランジスタと標準的なCMOS製造技術を使用して、2つのニューロン間のシナプスにおけるアナログのイオンベースの通信を模倣するコンピュータチップを作成しました。^{[14] [15]}

2012年6月、パデュー大学のスピントロニクス研究者は、ラテラルスピンバルブとメモリスタを使用したニューロモルフィックチップの設計に関する論文を発表しました。彼らは、このアーキテクチャはニューロンと同様に機能するため、脳の処理を再現する方法のテストに使用できると主張しています。さらに、これらのチップは従来のチップよりも大幅にエネルギー効率に優れています。^[16]

HP研究所のモットメモリスタの研究では、不揮発性でありながら、相転移温度より大幅に低い温度で示される揮発性の挙動を利用して、ニューロスタ^[17] 、つまりニューロンに見られる挙動を模倣した生物学的にヒントを得たデバイスを製造できることが示されています。^{[17] 2013年9月、彼らはこれらのニューロスタのスパイク挙動を利用して}チューリングマシンに必要なコンポーネントを形成する方法を示すモデルとシミュレーションを発表しました。^[18]

スタンフォード大学のBrains in Silicon社が開発したNeurogrid ^[19]は、ニューロモルフィックエンジニアリングの原理を用いて設計されたハードウェアの一例である。回路基板は、NeuroCoreと呼ばれる16個のカスタム設計されたチップで構成されている。各NeuroCoreのアナログ回路は、65536個のニューロンの神経素子をエミュレートするように設計されており、エネルギー効率を最大化する。エミュレートされたニューロンは、スパイクスループットを最大化するように設計されたデジタル回路を使用して接続される。^{[20] [21]}

ニューロモルフィック エンジニアリングに影響を及ぼす研究プロジェクトとして、生物学的データを使用してスーパーコンピューターで完全な人間の脳をシミュレートするヒューマン ブレイン プロジェクトがあります。このプロジェクトは、神経科学、医学、コンピューティングの研究者グループで構成されています。 ^{[22]プロジェクトの共同ディレクターである} ヘンリー マークラムは、このプロジェクトは、脳とその疾患を研究および理解するための基盤を確立し、その知識を使用して新しいコンピューティング テクノロジーを構築することを提案していると述べています。このプロジェクトの 3 つの主な目標は、脳の各部分がどのように適合し、連携するかをより深く理解すること、脳疾患を客観的に診断および治療する方法を理解すること、および人間の脳の理解を使用してニューロモルフィック コンピューターを開発することです。完全な人間の脳をシミュレートするには強力なスーパーコンピューターが必要になるため、現在はニューロモルフィック コンピューターに重点が置かれています。^[23]欧州委員会は、このプロジェクトに13 億ドル を割り当てています。^[24]

ニューロモルフィックエンジニアリングに影響を及ぼす他の研究としては、BRAIN Initiative ^[25]やIBMのTrueNorthチップ^[26]などがある。また、ナノクリスタル、ナノワイヤ、導電性ポリマーを使用したニューロモルフィックデバイスも実証されている。[ 27 ^{]量子ニューロモルフィックアーキテクチャ用のメモリスタ}デバイスの開発もある。^[28] 2022年には、MITの研究者がイオン陽子（H⁺
）は「アナログディープラーニング」の略称である。^{[29] [30]}

インテルは2017年10月に「 Loihi 」と呼ばれるニューロモルフィック研究チップを発表しました。このチップは非同期スパイキングニューラルネットワーク（SNN）を使用して、適応型自己修正イベント駆動型細粒度並列計算を実行し、学習と推論を高効率で実装します。^{[31] [32]}

ベルギーに拠点を置くナノエレクトロニクス研究センターIMECは、世界初の自己学習型ニューロモルフィックチップを披露した。OxRAM技術をベースにした脳にヒントを得たチップは自己学習能力を持ち、音楽を作曲する能力があることが実証されている。^[33] IMECはプロトタイプで作曲した30秒の曲を公開した。チップには同じ拍子とスタイルの曲が順番にロードされた。曲は古いベルギーとフランスのフルートのメヌエットで、チップは演奏中のルールを学習し、それを適用した。^[34]

ヘンリー・マークラムが率いるブルー・ブレイン・プロジェクトは、マウスの脳を生物学的に詳細にデジタルで再構築し、シミュレーションすることを目指しています。ブルー・ブレイン・プロジェクトは、げっ歯類の脳のコンピューターモデルを作成し、その生物学的特徴を可能な限り詳細に再現しようと試みています。スーパーコンピューターベースのシミュレーションは、脳の構造と機能を理解するための新たな視点を提供します。

欧州連合はハイデルベルク大学の一連のプロジェクトに資金を提供し、ドイツのハイデルベルク大学にあるハイブリッドアナログニューロモルフィックスーパーコンピュータであるBrainScaleS（ニューロモルフィックハイブリッドシステムにおける脳にヒントを得たマルチスケールコンピューティング）の開発につながった。これはヒューマンブレインプロジェクトのニューロモルフィックコンピューティングプラットフォームの一部として開発され、 SpiNNakerスーパーコンピュータ（デジタルテクノロジーに基づく）を補完するものである。BrainScaleSで使用されているアーキテクチャは、生物学的ニューロンとその接続を物理的レベルで模倣している。さらに、コンポーネントはシリコンで作られているため、これらのモデルニューロンは生物学的ニューロンよりも平均864倍（実時間の24時間はマシンシミュレーションでは100秒）高速に動作する。^[35]

2019年、欧州連合は、ニューロモルフィックコンピューティングを使用して量子演算を実行することを調査するプロジェクト「ニューロモルフィック量子コンピューティング」 ^[36]に資金を提供しました。ニューロモルフィック量子コンピューティング^[37]（「n.quantum computing」と略される）は、ニューロモルフィックコンピューティングを使用して量子演算を実行する非従来型のコンピューティングです。 ^{[38] [39]}量子アルゴリズム（量子計算の現実的なモデルで実行されるアルゴリズム）は、ニューロモルフィック量子コンピューティングと同様に効率的に計算できることが示唆されました。^{[40] [41] [42] [43] [44]}従来の量子コンピューティングとニューロモルフィック量子コンピューティングはどちらも、計算に対する物理学に基づく非従来型のコンピューティングアプローチであり、フォンノイマンアーキテクチャには従いません。どちらも、手元の物理的問題を表すシステム（回路）を構築し、システムのそれぞれの物理的特性を活用して「最小値」を求めます。ニューロモルフィック量子コンピューティングと量子コンピューティングは、計算中に同様の物理的特性を共有します。^{[44] [45]}

ブレインチップは2021年10月にAkida AIプロセッサ開発キット^[46]の受注を開始すると発表し、2022年1月にはAkida AIプロセッサPCIeボード^[47]の受注を開始すると発表し、世界初の市販ニューロモルフィックプロセッサとなった。

ニューロメムリスティブシステムは、ニューロモルフィックコンピューティングシステムのサブクラスであり、メモリスタを使用して神経可塑性を実装することに重点を置いています。ニューロモルフィックエンジニアリングが生物学的行動の模倣に重点を置いているのに対し、ニューロメムリスティブシステムは抽象化に重点を置いています。^[48]たとえば、ニューロメムリスティブシステムは、皮質マイクロ回路の動作の詳細を抽象的なニューラルネットワークモデルに置き換えることができます。^[49]

^{メモリスタを用いて実装されたニューロンにヒントを得た閾値論理関数[6]}がいくつか存在し、高レベルのパターン認識アプリケーションに応用されています。最近報告されたアプリケーションには、音声認識^[50] 、顔認識^[51]、物体認識^[52]などがあります。また、従来のデジタル論理ゲートを置き換える用途にも使用されています。^{[53] [54]}

（準）理想的な受動メモリスタ回路の場合、メモリスタメモリの進化は閉じた形式（カラヴェリ・トラヴェルサ・ディ・ヴェントラ方程式）で表すことができる。^{[55] [56]}

${\displaystyle {\frac {d}{dt}}{\vec {X}}=-\alpha {\vec {X}}+{\frac {1}{\beta }}(I-\chi \Omega X)^{-1}\オメガ {\vec {S}}}$

は、物理的なメモリスタネットワークの特性と外部ソースの関数として表されます。この式は、理想的なメモリスタの場合と同様に、ウィリアムズ・ストルクフのオリジナルおもちゃのモデルの場合に有効です。しかし、理想的なメモリスタが存在するという仮説は議論の余地があります。^[57]上記の式で、は「忘却」時間スケール定数で、通常はメモリの揮発性に関連付けられています。一方、はメモリスタの限界抵抗のオフ値とオン値の比で、は回路のソースのベクトルで、は回路の基本ループの投影です。定数は電圧の次元を持ち、メモリスタの特性に関連付けられています。その物理的な起源は、導体内の電荷移動度です。対角行列とベクトルはそれぞれ、メモリスタの内部値で、値は 0 から 1 の間です。したがって、この式を信頼できるものにするには、メモリ値に追加の制約を追加する必要があります。 ${\displaystyle \alpha =0}$${\displaystyle \alpha}$${\displaystyle \chi ={\frac {R_{\text{off}}-R_{\text{on}}}{R_{\text{off}}}}}$${\displaystyle {\vec {S}}}$${\displaystyle \オメガ}$${\displaystyle \beta}$${\displaystyle X=\operatorname {diag} ({\vec {X}})}$${\displaystyle {\vec {X}}}$

最近、上記の式はトンネル現象を示すことが示され、リャプノフ関数の研究に使用されている。^{[58] [56]}

ニューロモルフィックシステムの概念は、センサー（計算だけでなく）にまで拡張できる。これを光検出に適用した例としては、レチノモルフィックセンサーや、アレイで使用した場合のイベントカメラがある。イベントカメラのピクセルはすべて輝度レベルの変化を個別に記録するため、これらのカメラの理論的な電力消費は人間の視力に匹敵する。^[59] 2022年、マックスプランクポリマー研究所の研究者らは、生物学的ウェットウェアで動作しながら生物学的ニューロンの信号多様性を示す有機人工スパイクニューロンを報告し、これによりin-situニューロモルフィックセンシングおよびバイオインターフェースアプリケーションが可能になった。^{[60] [61]}

米軍の一部門である統合人工知能センターは、戦闘用の AI ソフトウェアとニューロモルフィック ハードウェアの調達と実装を専門とするセンターです。具体的な用途としては、スマート ヘッドセット/ゴーグルやロボットなどがあります。JAIC は、ニューロモルフィック技術を大いに活用して、ニューロモルフィック対応ユニットのネットワーク内で「すべてのセンサーをすべての射手に接続」する予定です。

ニューロモルフィック エンジニアリングの学際的な概念は比較的新しいものですが、人間のような機械や一般的な人工知能に適用されるのと同じ倫理的考慮事項の多くがニューロモルフィック システムにも適用されます。ただし、ニューロモルフィック システムは人間の脳を模倣するように設計されているため、その使用には独特の倫理的問題が生じます。

しかし、実際的な議論は、ニューロモルフィック ハードウェアと人工「ニューラル ネットワーク」は、サイズと機能技術の点ではるかに低い複雑さと、接続性の点ではるかに規則的な構造で、脳がどのように機能または情報を処理するかを非常に簡略化したモデルであるということです。ニューロモルフィック チップを脳と比較することは、飛行機と鳥を単に翼と尾があるという理由だけで比較するのと同じような、非常に大雑把な比較です。事実、生物学的神経認知システムは、現在の最先端の AI よりも桁違いにエネルギー効率と計算効率が高く、ニューロモルフィック エンジニアリングは、多くのエンジニアリング設計が生物にヒントを得た機能を持っているのと同じように、脳のメカニズムからヒントを得てこのギャップを縮める試みです。

ニューロモルフィックエンジニアリングには、世間の認識により重大な倫理的制限が課される可能性がある。^[62]欧州委員会が実施した調査「特別ユーロバロメーター382：ロボットに対する国民の態度」によると、欧州連合市民の60％が、子供、高齢者、障害者の世話をするロボットの禁止を望んでいる。さらに、34％が教育、27％が医療、20％がレジャーでのロボットの禁止に賛成している。欧州委員会は、これらの分野を特に「人間」に分類している。この報告書は、人間の機能を模倣または複製できるロボットに対する国民の懸念が高まっていることに言及している。ニューロモルフィックエンジニアリングは、定義上、人間の脳の機能を複製するように設計されている。^[63]

ニューロモルフィックエンジニアリングをめぐる社会的懸念は、今後さらに深刻化する可能性がある。欧州委員会は、15～24歳のEU市民は、55歳以上のEU市民よりもロボットを人間のような（道具のようなものではなく）と考える傾向があることを発見した。人間のようなロボットのイメージを提示すると、15～24歳のEU市民の75％が、ロボットのイメージと一致していると答えたのに対し、55歳以上のEU市民では57％しか同じ反応を示さなかった。したがって、ニューロモルフィックシステムの人間のような性質は、多くのEU市民が将来禁止することを望むロボットのカテゴリーにニューロモルフィックシステムを位置付ける可能性がある。^[63]

ニューロモルフィック・システムがますます高度になるにつれ、一部の学者^{[誰? ]}はこれらのシステムに人格権を与えることを主張してきた。脳に着想を得たコンピューティングの進歩を目指すヒューマン・ブレイン・プロジェクトの技術開発評論家であるダニエル・リムは、ニューロモルフィック・コンピューティングの進歩は機械の意識や人格につながる可能性があると主張している。 ^{[64]これらのシステムを}人間 として扱う場合、ニューロモルフィック・システムを使用して人間が実行する多くのタスクは、その終了を含め、それらの行為が自律性を侵害するため、道徳的に許容されない可能性がある。^[64]

財産権と人工知能をめぐっては、重要な法的議論がある。Acohs Pty Ltd v. Ucorp Pty Ltdにおいて、オーストラリア連邦裁判所のクリストファー・ジェサップ判事は、化学物質等安全データシートのソースコードは、人間の作者ではなくソフトウェアインターフェースによって生成されたものであるため、著作権で保護できないとの判決を下した。 ^[65]同じ疑問がニューロモルフィックシステムにも当てはまるかもしれない。ニューロモルフィックシステムが人間の脳をうまく模倣し、独創的な作品を生み出した場合、その作品の所有権を主張できるのは誰なのか？^[66]

ウィキメディア・コモンズには、ニューロモルフィック・エンジニアリングに関連するメディアがあります。

• テルライドニューロモルフィックエンジニアリングワークショップ
• CapoCaccia 認知ニューロモルフィックエンジニアリングワークショップ
• ニューロモルフィックエンジニアリング研究所
• INEニュースサイト。
• ニューロモルフィックエンジニアリングジャーナルのフロンティア
• カリフォルニア工科大学の計算および神経システム学部。
• シリコン脳の構築: 生物学的ニューロンに基づくコンピュータチップは、より大きく複雑な脳モデルのシミュレーションに役立つ可能性がある