| 新谷 悠太 | M, 2回目発表 | ディペンダブルシステム学 | 井上 美智子, 中島 康彦, 新谷 道広（客員准教授） |
|
title: Acceleration of Memristor Modeling Based on Machine Learning Using Gaussian Process
abstract: There has been a great deal of research into the development of domain-specific circuits for multiply-and-accumulate processing, which play a central role in machine learning by interpreting new physical phenomena into computing and storage capabilities. On the other hand, these devices have an unresolved operation principle, and therefore, compact models that are essential for circuit design cannot be created with sufficient accuracy. In this study, we propose a compact modeling method based on Gaussian processes for memristors. Although modeling methods based on machine learning have been proposed in the past, only the accuracy of reproduction by SPICE has been evaluated, and long learning times have not been sufficiently discussed. The proposed method reduces the learning time by using a Gaussian process and also reduces the inference time in SPICE simulation by considering sparsity. Evaluation using data of memristor devices obtained by actual measurements shows that the proposed method is more than 3,239 times faster than existing methods using LSTM (long short-term memory), and that inference on a commercial SPICE simulator can be performed with the same accuracy and computation time. language of the presentation: Japanese 発表題目: ガウス過程を用いた機械学習に基づくメモリスタモデリングの高速化 発表概要: メモリスタに代表されるように新物理現象を演算能力や記憶能力に解釈し，機械学習の中心を担う積和演 算処理の専用回路を開発する研究が盛んに行われている．一方で，これらのデバイスは，未解明な動作原理が存在す るため，回路設計に必須となるコンパクトモデルを十分な精度で作成できない課題がある．本研究では，メモリスタ を題材にガウス過程に基づくコンパクトモデリング手法を提案する．これまでにも機械学習によるモデリング手法が 提案されているが，SPICE による再現精度のみが評価され，学習および推論にかかる時間は十分に議論されていな い．提案手法はガウス過程により学習時間の短縮を図るとともに，スパース性の考慮により SPICE による推論時間 の短縮も同時に考慮する．実測により得られたメモリスタ素子のデータを用いた評価により，長・短期記憶（Long short-term memory，LSTM）を用いた既存手法と比べて 3,239 倍高速で学習できるうえ，市販 SPICE シミュレータ による推論では，同等の再現精度および計算時間であることを示す． | |||
| 長尾 匠真 | M, 2回目発表 | ディペンダブルシステム学 | 井上 美智子, 中島 康彦, 新谷 道広（客員准教授） |
|
title: Wafer Map Defect Pattern Classification using Hyperdimensional Computing on edge devices and Vision Transformer to improve classification accuracy.
abstract: The semiconductor manufacturing process involves many complex stages, and minute variations in each stage of the process can cause defects. Wafer maps provide important visual information for characterising the causes of defects in semiconductor manufacturing processes. However, test engineers check every wafer map to analyse the root cause and identify patterns, which is error-prone and costly. Furthermore, testing is mostly carried out by external test houses, which takes time until the root cause is identified. Therefore, implementing low-power and highly robust HDC (Hyperdimensional Computing) in resource-limited edge devices enables wafer map defect pattern classification in test houses. Additionally, it leverages the Vision Transformer, a state-of-the-art technology in image recognition, to achieve high classification accuracy. language of the presentation: Japanese 発表題目: エッジデバイスでのHyperdimensional Computingによるウェハマップ故障パターン分類とVision Transformerを用いた分類精度向上 発表概要: 半導体製造工程には多くの複雑な工程が存在し、各工程での微細なばらつきが故障を引き起こす。 ウェハマップは半導体製造工程における故障の原因を特性する上で重要な視覚的な情報を提供する。 しかし、テストエンジニアは根本的な原因を分析するために全てのウェハマップをチェックし、パターンを特定するために誤りが発生しやすく、コストもかかる。 さらに、テストは外部のテストハウスに依頼して行うのが主流となっており、原因が特定するまで時間を要する。 そこで、リソースの限られたエッジデバイスに低消費電力でロバスト性の高いHDC (Hyperdimensional Computing) を実装することで、テストハウスでのウェハマップの欠陥パターン分類を実現する。 また、画像認識で注目されているVision Transformerを用いて高い分類精度を実現する。 | |||
| 冨木田 悠生 | M, 2回目発表 | 生体医用画像 | 佐藤 嘉伸, 和田 隆広, 大竹 義人, SOUFI Mazen |
|
<!-- edit three components which are marked with *** --> <!-- アスタリスク *** の部分３か所を編集してください --> title: ***Prediction of individual patient's whole lower limb musculoskeletal shape using multiple panoramic tomography with ultrasound and statistical shape model fitting*** <br /> abstract: ***Ultrasound imaging is a suitable modality for muscle analysis because it is noninvasive, quick, and can acquire high resolution images over a short period of time. However, the imaging range is limited and three-dimensional analysis is difficult. Therefore, the purpose of this study is to predict the musculoskeletal shape of the entire lower limb using multiple panoramic ultrasound cross sections of the lower limb. Specifically, multiple panoramic ultrasound cross sections are captured using motion capture to obtain the panoramic cross sections and their corresponding positional information. For the prediction of musculoskeletal shape, a statistical shape model is constructed using the CT database, and by using the constructed model and the acquired data, the shape of the musculoskeleton is predicted. This method allows us to evaluate the accuracy of the estimation of the panoramic images. This method makes it possible to obtain a wide range of musculoskeletal geometry by simply acquiring multiple panoramic ultrasound images.*** <br /> language of the presentation: ***Japanese*** | |||
| ☆近藤 亮介 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, 和田 隆広, 諏訪 博彦, 松田 裕貴 |
|
title: Title not disclosed due to joint research
abstract: Abstract not disclosed due to joint research. language of the presentation: Japanese 発表題目: 共同研究のため題目非公開 発表概要: 共同研究のため概要非公開。 | |||