研究グループは、アナログ的に振る舞うスピントロニクス素子36個と FPGA と呼ばれる集積回路を組み合わせ、人工神経回路網（人工ニューラルネットワーク）を構築した
近年、脳の情報処理機構を真似て効率的に認識・判断を行うことを目指す人工知能技術が非常に注目され、一部で実用化されている。現在実用化されている人工知能はいずれも従来の半導体集積回路技術の枠組みに立脚しており、このため脳が有する特徴である小型性、低消費電力性を実現するのは困難だった。脳の情報処理様式により近いかたちで高速・小型・低消費電力性を兼ね備えた人工知能を実現するためには、生体におけるシナプスの役割を単独で果たす固体素子を用いることが有効だという。
今回、東北大学電気通信研究所附属ナノ・スピン実験施設の大野英男教授、佐藤茂雄教授、深見俊輔准教授、秋間学尚助教、同ブレインウェア実験施設の堀尾喜彦教授らのグループは、磁石材料から構成されるミクロなスピントロニクス素子を使った人工知能の基本動作の実証に世界で初めて成功した。
研究グループは、アナログ的に振る舞うスピントロニクス素子36個と FPGA と呼ばれる集積回路を組み合わせ、人工神経回路網（人工ニューラルネットワーク）を構築した。これまでに開発が行われてきたスピントロニクス素子では「0」、「1」の2状態しか記憶できなかったのに対して、今回用いたスピントロニクス素子は「0」から「1」までの連続的な値を記憶することができ、これが構築した人工神経回路網においてはシナプスの役割を果たすという。
今回の実験では構築した人工神経回路網を用い、現在のコンピューターが苦手とする連想記憶という動作を検証した。具体的には、3×3ブロックにおける「I」「C」「T」の3つのパターンのいずれかから1ブロックを反転させたパターンを人工神経回路網に与え、その元となったパターンを想起するという試験を行った。
パターンの想起にあたってはホップフィールドモデルという神経回路網の情報処理様式を模擬したモデルを採用しており、ここではシナプスであるスピントロニクス素子の状態がある一定の法則に基づいてアナログ的に書き換えられることで学習が行われ、これによって人工神経回路網が正解を導く。多数回の試行を通して、開発したスピントロニクス素子は期待通りの学習機能を有しており、これにより正解パターンの想起に寄与することが確認された。
この技術が実用化されれば、社会における人工知能技術の適用が可能な範囲が顔認識、音声認識、ウェアラブル端末、センサーネット、介護ロボットなど、様々な領域へと拡大するという。加えて、今回の成果は情報処理分野、さらには脳神経科学分野の新しい学理の構築にも寄与することが期待されるとしている。(編集担当：慶尾六郎)
