慶應義塾大学の吉岡健太郎専任講師は、より身近なデバイスへの人工知能（ＡＩ）応用を促進するため、チャットＧＰＴなどに使われる機械学習モデル「Ｔｒａｎｓｆｏｒｍｅｒ」処理の高効率な推論を実現するコンピュート・イン・メモリ（ＣＩＭ）回路を開発した。効率的なＡＩハードウェアの開発に寄与につながりそうだ。

研究では、従来のＣＩＭが抱えていたＴｒａｎｓｆｏｒｍｅｒの推論に必要な演算精度を実現するためにデータ格納や演算、アナログ－デジタル（Ａ／Ｄ）変換を１つのメモリセルに集積した「容量再構成型ＣＩＭ（ＣＲ－ＣＩＭ）」構造を提案した。

これによって、アナログＣＩＭで初めてＴｒａｎｓｆｏｒｍｅｒ処理に必要な演算精度を達成しつつ、消費電力１ワットあたりの処理速度について高い電力効率を実現した。また畳み込みニューラルネットワーク（ＣＮＮ）処理を行う際は、同等の演算精度を持つこれまでの技術と比べ１０倍のエネルギー効率を達成している。

吉岡講師らは「将来的にはこの回路技術をさらに進化させることで、演算精度とエネルギー効率をより一層高めることが期待される」と紹介している。