スタンフォード大、AI消費電力をメガワットからワットへ削減する新モデル発表

現在のディープラーニングは、クラウドデータセンターでメガワット級の電力を消費しながら稼働しています。しかし、スマートフォンのバッテリーから供給されるわずか数ワットの電力でニューラルネットワークを動かせる可能性が出てきました。

スタンフォード大学の Kwabena Boahen 氏が提案したのは、樹状突起に着目した新しい計算手法です。従来のモデルのようにシナプスを模倣するのではなく、神経細胞が他の細胞から信号を受け取る分岐構造である樹状突起をエミュレートします。

シナプスから樹状突起への転換

樹状突起は、1 つのニューロンを多数の細胞と接続させる役割を担っています。Boahen 氏のモデルでは、樹状突起が特定の順序で信号を受け取ったときにのみ応答するように設計されています。

この仕組みにより、接続数や信号シーケンスの長さに応じて、各樹状突起がより高次の基数システムを使ってデータを符号化できるようになります。

ハードウェアによる再現性も示されています。Boahen 氏によると、強誘電体キャパシタを連ねた 5 つのゲートを持つ長さ 1.5 マイクロメートルの強誘電体電界効果トランジスタを使用することで、5 つのシナプスを持つ長さ 15 マイクロメートルの生体樹状突起を模倣できるとしています。

なぜ重要か

AI の消費電力爆発が世界的な課題になるなか、根本的なアーキテクチャの変更によってメガワットからワットへの桁違いの省電力化を提示した点に大きな価値があります。

もし将来的にスマートフォンなどの端末単体で高機能なモデルをバッテリー駆動できるようになれば、常時クラウドと通信する必要がなくなり、遅延やプライバシーの問題が一気に解決します。

ハードウェア的にも、1.5 マイクロメートルの FeFET で生体構造をコンパクトに再現できるアプローチは極めて合理的です。ただし、現在の AI ソフトウェア資産はすべて行列積を前提に作られており、信号シーケンスの順序に依存するアーキテクチャへ移行するには、ハードとソフトの両面で膨大な再構築が必要になります。すぐに実用化できる技術ではありませんが、脳型コンピューティングが目指すべき有力な道筋を示しています。