ニューロンのスパイク発火タイミングによる情報処理モデルとそのLSI化

スパイキングニューロンモデル

従来のニューラルネットワークモデルでは，ニューロンの平均発火率に基づくアナログ的な入出力を用いていましたが，近年，入出力のスパイクパルスのタイミングを重視したモデル研究が活発になっています。このようなモデルでどのような情報処理ができるかを研究し，またそれを集積回路化して実用的なシステムを構築するための研究を行っています。

スパイクタイミングに基づくモデルとして，積分発火型ニューロンモデル（Integrate-and-fire (IF) neuron model）がよく知られています。これはスパイクパルス入力があると後シナプス電位（Post-Synaptic Potential, 興奮性EPSPと抑制性IPSPがある）がニューロン内に発生し，それらの時空間的な総和としてニューロンの内部電位が表されるというものです。内部電位が発火しきい値を越えるとニューロンはスパイクパルスを出力し，その後一定の不応期に入ります。

通常のIFニューロンモデルでは，しきい値を越えないとスパイク発火が起こらないので，ほとんど発火しないニューロンも出てきてしまいます（下図 (a)）。しかし，スパイクタイミングで情報を表そうとすると，スパイクがでてくれないと困ります。そこで，グローバル興奮ニューロンユニット（GEU）という素子を考え，いずれかのニューロンで最初にスパイクが発火すると， GEUが一定の興奮を全ニューロンに与えるモデルを考えました。これは，全ニューロンの発火しきい値を一律に一定量低下させることと等価です。 GEUにより，すべてのニューロンが発火できるようになります（下図(b)）。

スパイキングニューロン回路

考案したモデルに基づいてCMOS回路を設計し，連想メモリを実現する相互対称結合型ネットワーク（Hopfield型ネットワーク）を構成しました。これに簡単なパターン認識を行わせました。高速回路シミュレーション（HSIM）により，ネットワーク動作を調べたところ，GEUを導入することにより，入力パターンに最も近い記憶パターンに対応したタイミングですべてのニューロンが発火することを確認しました。

スパイキングニューロン回路構成