スピン波を用いた物理リザバー計算機における高性能化の条件を解明：研究開発の最前線

東北大学は、スピン波を用いた物理リザバー計算機の学習性能向上に必要な波の速度と素子サイズの関係を解明した。検証の結果、少ない入出力ノード数で、短期記憶と非線形変換能力を持った学習が可能であることが判明した。

[MONOist]

　東北大学は2024年3月4日、産業技術総合研究所との共同研究で、スピン波を用いた物理リザバー計算機の学習性能向上に必要な波の速度と素子サイズの関係を解明したと発表した。

磁性体薄膜のスピンの波を利用したAIハードウェア応用、物理リザバー計算の模式図 出所：東北大学

　時系列の情報処理に適したリザバー計算は、時系列の入力をリザバーにより高次元空間に変換して出力時系列を読み出す機械学習手法だ。磁気の振動やスピン波の波及を利用する物理リザバー計算は、CPU（中央演算処理装置）やGPU（画像処理装置）を用いた従来の電子計算機よりも、少ない消費電力で効率的な情報処理が可能になる。

　研究グループは、厚さ4nmの強磁性体薄膜にスピン波を発生させる物理リザバー計算機で学習性能を解析。マイクロマグネティックシミュレーションを用いた検証で、少ない入出力ノード数で、短期記憶と非線形変換能力を持った学習が可能であることが明らかとなった。また、困難とされる、カオス時系列の短期予測にも成功している。

　数理モデルにより高性能化の条件を考察したところ、スピン波の波及速度と磁性体のサイズが比例関係となるとき、高い学習性能を得られることが分かった。光学素子と比べて波及速度が遅いスピン波は、物理リザバーのサイズをnmオーダーとなるサブμm程度にまで小さくすることができる。

情報は旧速度と物理リザバーのサイズの関係［クリックで拡大］ 出所：東北大学

　nmサイズで高い学習性能を発揮できる物理リザバー計算の機構が見いだされたことで、AI（人工知能）ハードウェアへの応用が期待される。

⇒その他の「研究開発の最前線」の記事はこちら