★リザバー・コンピューティングの理論や基礎知識から、

脳型ハードウェア・ニューロモルフィックデバイス等最近の進展状況まで！

リザバー・コンピューティングの

基礎および応用技術

≪産業応用に向けた理論とデバイス実装≫

【提携セミナー】

主催：株式会社情報機構

近年，ビッグ・データ時代の幕開けとともに認知コンピューティングへの関心が高まっています．特にクラウドのみならず，エッジから発生するビッグ・データに対し，分類や識別，予測と言った認知処理をいかに効率よく行うかが産業競争力を左右すると考えられています．そこで，近年注目されているのが，深層学習に代表されるニューラル・ネットワークなどの機械学習処理です．本講演では，認知コンピューティングの有力な手法である，ニューラル・ネットワークの基礎からはじめ，再帰的ニューラル・ネットワークの新たなアーキテクチャーとして注目されているリザバー・コンピューティングの理論について詳しく解説いたします．

リザバー・コンピューティングは通常の再帰ニューラル・ネットワークや深層学習と比較してモデルの構造が簡略化されているため、学習時や動作時（推論時）のコストが著しく低いという特徴があります．さらに大規模機械学習モデルと比較して少量のデータでリアルタイム学習を高精度に実現することが可能であり，運用も容易なことから，クラウドだけでなくエッジも含めた幅広い分野への応用が期待されています．

一方，機械学習を実行するプラットフォームにおいては，従来の汎用プロセッサとソフトウェアによるニューラル・ネットワークの実装は半導体技術の限界に伴い十分な処理効率が得られない場合もあり，大きな壁にぶつかりつつあります．そこで，従来のソフトウェア処理に代わる，ニューロモルフィック・コンピューティングと呼ばれるニューラル・ネットワークの処理に特化したデバイスの研究が盛んに行われております．リザバー・コンピューティングもこれらのデバイスによって実装することで十分な処理効率が期待できます．

また近年，リザバー・コンピューティングはニューラル・ネットワークを直接用いることなく，非線形素子により実行が可能であることがわかってきました。このように，リザバー・コンピューティングに対しては様々な物理系のダイナミクスをリザバーとして直接利用する実装技術が多数提案されています。これにより、アルゴリズムだけでなくデバイスの観点からも，物理系のもつ高速性や低消費電力性を活かした実装が可能です．

本講演ではニューラルネットワーク・機械学習の基礎から始め，リザバー・コンピューティングの機械学習アルゴリズムとしての特徴と機械学習デバイス実装，IoTエッジ・コンピューティングなどの次世代ITシステムへの応用について解説します．

◆受講後、習得できること

• 人工ニューラルネットワーク，特にリザバー・コンピューティングに関する知識．
• 脳型ハードウェア，特に物理リザバー・コンピューティングとその応用についての知識．

◆受講対象者

• 機械学習や人工ニューラル・ネットワークに関心のある方，特にリザバー・コンピューティングについて学習したい方．
• 脳型のデバイスの最近の動向，特に物理リザバー・コンピューティングの最近の進展と応用について関心のある方．

担当講師

日本アイ・ビー・エム（株） 東京基礎研究所　専任研究員 工学博士 　山根 敏志 氏

セミナープログラム（予定）

1.はじめに：ビッグデータ時代と認知コンピューティング

2.機械学習と人工ニューラルネットワークの基礎
2.1 機械学習と人工ニューラルネットワークの歴史
2.2 代表的な機械学習手法
2.3 代表的なニューラルネットワーク

3.リザバー・コンピューティングの仕組み・特徴
3.1 リザバー・コンピューティングの構成・アルゴリズム
3.1.1 Echo State Network
3.1.2 Liquid State Machine
3.2 機械学習モデルとしてのリザバー・コンピューティング
3.2.1 転移学習・マルチタスク学習
3.2.2 AI基盤モデル
3.3 リザバー・コンピューティングのライブラリ実装
3.4 性能向上のための考慮点
3.5 代表的なベンチマークタスク

4.ニューロモルフィック・デバイスの構造・特徴とその性能
4.1 従来型のコンピューティングの限界
4.2 デジタルAIハードウェア
4.2.1 SpiNNaker
4.2.2 IBM TrueNorth, NorthPole
4.3 アナログAIハードウェア
4.3.1 Analog Memristive Device
4.3.2 Photonic Neuromorphic Device

5.物理リザバー・コンピューティング
5.1 電気系（FPGA，アナログ電気回路）
5.2 光系（面発光レーザ，半導体光増幅器）
5.3 磁気系（磁性薄膜）
5.4 機械系（MEMS）
5.5 化学系（DNA）
5.6 量子系 (量子スピン)
5.7 既存技術の再利用
5.8 ニューロモルフィック・デバイスとリザバー・コンピューティング
5.9 数理モデルから物理系へ

6.リザバー・コンピューティングの産業応用とその性能要件
6.1 音声認識
6.2 画像認識
6.3 ロボット制御
6.4 IoTとエッジ・コンピューティング

7.まとめ・参考文献

＜質疑応答＞

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

＊学校法人割引；学生、教員のご参加は受講料50％割引。

●録音・録画行為は固くお断り致します。

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

※配布資料等について

●配布資料はPDF等のデータで配布致します。ダウンロード方法等はメールでご案内致します。

• 配布資料に関するご案内は、開催1週前～前日を目安にご連絡致します。
  
• 準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）
• セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。

★【オンラインセミナー（見逃し視聴なし）】、【オンラインセミナー（見逃し視聴あり）】のいずれかから、ご希望される受講形態をメッセージ欄に明記してください。