機械学習と回路 脳回路の実現に向けて

低資源・低消費電力で注目されるアナログ回路を用いた機械学習を解説。半導体集積回路の各節点にニューロンを配置し、ニューロン間のシナプス素子として可変化できるメモリスタ（可変抵抗素子）を含む基本回路について論じる。【「TRC MARC」の商品解説】

【本書の特徴】
科学技術立国としての日本が再生し、成長を実現するためには、半導体集積回路の設計・製造の新分野において、学生を含む若い世代の研究開発者が創発的な新しい回路技術を生み出すことが重要である。
本書では、回路の各節点にニューロンを配置し、ニューロン間のシナプス素子として可変化できるメモリスタ（可変抵抗素子）を含む基本回路について論じる。本書を通じて、読者が[回路は工学の言語である]ことを認識して頂くことの一助となることを願う。

【構成と読みかた】
1章では、機械学習回路(CellularFlow)の基礎理論を記述する。Hebb則による学習の回路表現とジャイレータ・ニューロンについて論じる。読者は、１章の内容をしっかり理解することが最も重要である。読者は、少し理解に苦労すると思われる。回路の入力と出力が逆転し、流れる電流が逆方向となる複雑さがあるからである。読者は、節点方程式の回路構造がアナログ計算機となることを理解する。
２章では、フィルタと発振器の機械学習について述べる。読者は、アナログ演算回路では, 興奮性と抑制性のシナプスに対応して, その電流の方向を決定することが設計上重要となることを理解する。また、読者は、フィールドで設計した学習パラメータで回路の特性が決まることを理解する。
３章では、連想写像と機械学習回路について論じる。読者は、学習処理が、真理値表ルールと同等の対応機能で設計できることを理解する。また、読者は、回路の相互結合が、交点メモリスタの状態で形成されることを理解する。
４章では、畳み込み処理と機械学習回路について論じる。読者は、アナログ・セルラーニューラルネットワーク(A-CeNN) の帰還動作の重要性を理解する。
５章では、機械学習回路のSPICE最適化アルゴリズムについて論じる。読者は、並列処理可能な緩和法を含めた数値積分法を理解する。
６章は、本書のむすびである。読者は、抵抗Rが結晶状態によって可変となることの重要性を理解する。【商品解説】