特許ウォッチ

公開番号2025042353
公報種別公開特許公報(A)
公開日2025-03-27
出願番号2023149312
出願日2023-09-14
発明の名称リザバー演算素子、機械学習方法
出願人三菱マテリアル株式会社
代理人個人,個人,個人,個人
主分類H10D 30/67 20250101AFI20250319BHJP()
要約【課題】回路が簡便で安価に作製可能であり、素子の小型軽量化が可能な安全で安定したリザバー演算素子、およびこれを用いた機械学習方法を提供する。
【解決手段】基板と、前記基板の一面側に順に重ねて形成されるゲート電極層およびゲート絶縁層と、前記ゲート絶縁層の一面側に重ねて形成され、互いに離間して配されたソース電極層およびドレイン電極層と、前記ゲート絶縁層、前記ソース電極層および前記ドレイン電極層に接するように形成されたチャネル層と、を有し、前記ゲート絶縁層はLaZrOを含み、前記チャネル層はInOを含み、前記ゲート絶縁層と前記チャネル層との接合部を含む領域で電気二重層を形成した。
【選択図】図1
特許請求の範囲【請求項１】
基板と、前記基板の一面側に順に重ねて形成されたゲート電極層およびゲート絶縁層と、前記ゲート絶縁層の一面側に重ねて形成され、互いに離間して配されたソース電極層およびドレイン電極層と、前記ゲート絶縁層、前記ソース電極層および前記ドレイン電極層に接するように形成されたチャネル層と、を有し、
前記ゲート絶縁層はＬａＺｒＯを含み、
前記チャネル層はＩｎＯを含み、
前記ゲート絶縁層と前記チャネル層との接合部を含む領域で電気二重層を形成した、ことを特徴とするリザバー演算素子。
続きを表示（約 460 文字）【請求項２】
前記ゲート電極層の０Ｖをまたぐ電圧値の変化に対する前記ソース電極層と前記ドレイン電極層の間のドレイン電流値の変化を示す電流－電圧特性において、前記ゲート電極層の電圧値が０Ｖの時のドレイン電流値が電圧増加時よりも電圧減少時のほうが大きいことを特徴とする請求項１に記載のリザバー演算素子。
【請求項３】
前記ソース電極層および前記ドレイン電極層は、Ｐｔ，Ａｕ，Ａｇ，Ｃｕ，Ａｌ，Ｔｉのうち、少なくともいずれか１つ、または、ＩＴＯを含むことを特徴とする請求項１または２に記載のリザバー演算素子。
【請求項４】
前記ゲート絶縁層は、スパッタリング膜または塗布焼成膜であることを特徴とする請求項１または２に記載のリザバー演算素子。
【請求項５】
請求項１または２に記載のリザバー演算素子を用いた機械学習方法であって、
前記ゲート電極層に電気信号を入力し、前記ドレイン電極層から出力されるドレイン電流信号を用いて機械学習を行うことを特徴とする機械学習方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、リザバー演算素子、およびこれを用いた機械学習方法に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
近年、脳神経ネットワークを模倣したニューラルネットワークおよび人工知能が盛んに研究されており、例えば、深層学習などを含む多層型ニューラルネットワークを利用する人工知能技術が知られている。
こうした人工知能技術は、一般的に非常に多くの計算リソースを必要とし、消費電力が大きく、設備サイズなども大掛かりになるという問題がある。このため、特に電力やサイズが限られる小型携帯端末への利用には高い障壁がある。
【０００３】
一方、ニューラルネットワークの別の取り組みとして、リザバー演算（リザバーコンピューティング：Reservoir Computing）がある。このリザバー演算は、入力層、リカレント層、出力層の３層構造から成り、入力層―リカレント層、およびリカレント層―リカレント層の間の重みと閾値は定数とし、リカレント層―出力層の間でのみ重みと閾値を算出する機械学習を行うため、高速で計算を行うことができる。
【０００４】
さらに、リカレント層を物理現象に置き換えた物理リザバー素子も検討されている。このリザバー素子は、物理現象を利用し、人工知能（ＡＩ：Artificial Intelligence）に必要な機械学習を行う素子であり、従来の大規模な演算素子と比べて、超高速で計算を行うことができるため、エッジＡＩコンピューティングへの応用が期待されている。
【０００５】
このようなリザバー素子に必要な性質として、応答の非線形性、短期記憶、高次元性が挙げられる。物理リザバー素子としては、神経模倣回路やメモリスタを利用する電気・電子系素子や、イオン液体や電解質の遅延応答を利用する電気化学系素子などが知られている（例えば、特許文献１、２を参照）。
【先行技術文献】
【特許文献】
【０００６】
特開２０２２－１８２１９８号公報
特開２０２３－０１３９４９号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、これまでに検討されたリザバー素子は、（ａ）装置が大きくなり小型化が難しく携帯が必須となるエッジＡＩには向かない（力学系、光学系、機械系）、（ｂ）回路が複雑になり高額になる（電気・電子系）、（ｃ）安全性・安定性に問題がある（生物系、電気化学系）、などの課題があった。
【０００８】
本発明は、このような背景に鑑みてなされたものであり、回路が簡便で安価に作製可能であり、素子の小型軽量化が可能な安全で安定したリザバー演算素子、およびこれを用いた機械学習方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
上記課題を解決するために、本発明の一実施形態のリザバー演算素子は、以下の手段を提案している。
（１）本発明の態様１のリザバー演算素子は、基板と、前記基板の一面側に順に重ねて形成されたゲート電極層およびゲート絶縁層と、前記ゲート絶縁層の一面側に重ねて形成され、互いに離間して配されたソース電極層およびドレイン電極層と、前記ゲート絶縁層、前記ソース電極層および前記ドレイン電極層に接するように形成されたチャネル層と、を有し、前記ゲート絶縁層はＬａＺｒＯを含み、前記チャネル層はＩｎＯを含み、前記ゲート絶縁層と前記チャネル層との接合部を含む領域で電気二重層を形成した、ことを特徴とする。
【００１０】
（２）本発明の態様２は、態様１のリザバー演算素子において、前記ゲート電極層の０Ｖをまたぐ電圧値の変化に対する前記ソース電極層と前記ドレイン電極層の間のドレイン電流値の変化を示す電流－電圧特性において、前記ゲート電極層の電圧値が０Ｖの時のドレイン電流値が電圧増加時よりも電圧減少時のほうが大きいことを特徴とする。
（【００１１】以降は省略されています）

関連特許