277579記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. スピン軌道トルク確率デバイスによるSTDPシナプス実装（Stochastic spin-orbit-torque device as the STDP synapse for spiking neural networks）
3 分で読了
0 views

スピン軌道トルク確率デバイスによるSTDPシナプス実装

（Stochastic spin-orbit-torque device as the STDP synapse for spiking neural networks）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「スパイキングニューラルネットワーク（SNN）やスピントロニクスが熱い」と聞きまして、正直何が何だか分からないのですが、我が社の投資判断に関係ありますか。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、難しい言葉は後で噛み砕きますよ。結論を先に言うと、今回の研究は「低消費電力で学習の本質（時間依存の結びつき）を物理的に再現する」可能性を示しており、エッジ側での省エネAI機器への応用で効果が見込めるんです。

田中専務

それはいいですね。率直に申し上げると、我々は設備にセンサーをたくさん付けて現場データを取りたいが、電力やコストが不安です。これって要するに「電力少なく学習できる機械」を意味しますか？

AIメンター拓海

素晴らしい着眼点ですね！簡潔に3点でまとめます。1）研究は物理デバイス自体が「確率的に」信号を変える性質を利用して学習を表現している、2）動作に大きな電流を流さずに済むのでエネルギー効率が良い、3）現状は実験段階だが応用の道筋が示された、ということです。現場に対する投資対効果の視点で有望ですよ。

田中専務

専門用語が少し怖いのですが、STDPとかSOTとか聞きます。これらは現場でのセンサー数を減らせたり、運用コストを下げたりする話になりますか。

AIメンター拓海

素晴らしい着眼点ですね！まず用語だけ整理します。STDP（spike-timing-dependent plasticity、スパイク時刻依存可塑性）は「前後の信号の時間差で学習が進む仕組み」です。SOT（spin-orbit torque、スピン軌道トルク）は

論文研究シリーズ
前の記事
コンテキスト対応音声認識のための近似最近傍フレーズマイニング
（Approximate Nearest Neighbour Phrase Mining for Contextual Speech Recognition）
次の記事
入力領域別評価による機械学習の共変量シフト耐性
（A Domain-Region Based Evaluation of ML Performance Robustness to Covariate Shift）
関連記事
ResNet-LDDMMによるLDDMMフレームワークの発展
（ResNet-LDDMM: Advancing the LDDMM Framework Using Deep Residual Networks）
Web Of Thingsのための知識グラフ埋め込みとグラフニューラルネットワークの研究
（A Study on Knowledge Graph Embeddings and Graph Neural Networks for Web Of Things）
ライブオンラインZoom授業の注視度に基づくビデオ要約
（Attention Based Video Summaries of Live Online Zoom Classes）
航空機通信におけるネットワーク性能予測
（SkyNetPredictor: Network Performance Prediction in Avionic Communication using AI）
Softmax Self-Attentionよりサンプル効率が高いSigmoid Self-Attention
（Sigmoid Self-Attention has Lower Sample Complexity than Softmax Self-Attention）
ゴシップによる分散強化学習
（Distributed Reinforcement Learning via Gossip）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
Deep Belief Networkを用いたリスキーホスト検出
（A Deep Belief Network Based Machine Learning System for Risky Host Detection）
  • 論文研究
非負値行列因子分解による拡張構造の堅牢な抽出
（Non-negative Matrix Factorization: Robust Extraction of Extended Structures）
  • 論文研究
量子リファレンスビーコンで導くスーパーレゾリューション光学集束
（Quantum Reference Beacon-Guided Super-Resolution Optical Focusing in Complex Media）
  • 論文研究
SBEEDによる強化学習の安定化と非線形関数近似の収束性
（SBEED: Convergent Reinforcement Learning with Nonlinear Function Approximation）
  • 論文研究
一般化線形モデルの統一ベイズ推論フレームワーク
（A Unified Bayesian Inference Framework for Generalized Linear Models）
  • 論文研究
二重批判者でアクターを強化する
（Boosting the Actor with Dual Critic）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む