中国のアナログチップ、AIの線形代数をデジタルの限界から解放へ

• • Nature Electronics に出た論文は、抵抗変化メモリ（RRAM） を使った回路で、ある種類の計算なら デジタルプロセッサに近い精度 を目指せる、と述べている。もし本当なら、AI向けハードウェア の速度と省エネに大きな利点が出る可能性がある。
    ただし、いまの結果は理論や小規模の実証が中心で、より大きいシステムでの検証が必要 とされている。

• 研究は、北京大学 と 清華大学 の研究者が協力して行った。テーマは、行列（マトリクス）の計算を、アナログ方式で高い精度で実行できるかどうか、という点である。
• アナログ計算 では、0と1のデジタルではなく、電圧・電流・電荷・抵抗 などの物理量で数を表す。
  強みは、分野によっては 速い・電力が少ない こと。弱みは、一般に 精度が下がりやすい ことで、これまでAIのように精度が重要な用途では使いにくかった。
• 著者の一人 Zhong Sun（北京大学） は、以前（2016〜2020年）に ミラノ工科大学 で博士研究員として研究していた。博士課程ではRRAM素子の物理動作を研究し、その後はRRAMを使った インメモリ計算（メモリ内で計算する方式）に取り組んだという。
• 研究チームは、行列を使う線形代数の計算を、アナログで 信頼性高く 解くための回路アーキテクチャを提案した。
  計算を物理システムに「組み込み」、あるアルゴリズムで繰り返し計算して、従来より 精度を大きく上げる ことを狙っている。研究者は、簡略化した条件ではあるが デジタル並みの精度が可能 だと主張している。
• 性能比較（ベンチマーク）は、現時点では 仮定にもとづく推定 が中心で、より大規模な集積アレイでの 実験的検証はこれから である。
  彼らは、アナログ計算の段階では 遅延（レイテンシ）がほぼ一定 になり得る、という考えから、小さな行列で測った時間をもとに 128×128 の行列方程式へ外挿した。その結果、用途によっては、処理量や電力効率が デジタルより2〜3桁（100〜1000倍） 改善し得ると見積もっている。
• 試作は、RRAMチップを プリント基板（PCB） に載せ、周辺回路はチップ外に置く構成である。
  この試作で、16×16 の行列方程式をハードウェアで解き、24ビット固定小数点（32ビット浮動小数点に相当 と説明）での精度を示したという。
• RRAMは非常に薄い層で作れ、クロスバー配列 により高密度化できるため、将来は小型化しやすい可能性がある。ただし、実際の最終サイズは、システムとして統合してから判断する必要がある。
• 製品化については、研究者は前向きで、次の段階として、RRAM配列に加えて 増幅器、DAC（デジタル→アナログ変換）、ADC（アナログ→デジタル変換） などを 同一チップ上に統合 し、低消費電力の独立プロセッサを目指すとしている。
• このチップは汎用CPUの代わりではなく、行列計算が中心となる分野で働く アクセラレータ（補助プロセッサ） を想定している。対象として、AI、科学計算（スーパーコンピューティング）、気象予測、信号処理、6G通信 などが挙げられている。
• プログラミング面では、高水準言語を全面的に変える必要は小さいが、専用コンパイラ と ISA（命令セット）へのインターフェース は必要になる、という見通しが示されている。
• 量子計算との関係については、この方式は CMOS互換の通常の電子回路 を使える点が強調されている。つまり、量子計算のような特殊技術に依存せず、RRAMを製造できる工場と既存プロセスを活用しやすい可能性がある。また、量子計算が狙う問題の範囲と、AIで重要な行列計算の範囲は部分的に異なる、と説明している。
• 公衆に伝えるべき点として、研究者は、これまで精度の低さで評価されにくかった アナログ計算を再検討する価値 がある、と述べている。精度の壁を越えられるなら、現代の応用での役割を見直すべきだ、という主張で締めくくられている。

A longer text in English is here.