Hiroyuki Yamauchi Laboratory (山内寛行 研究室）
<研究内容と関連話題>
Good News！:
今回も連続で★人工知能(AI)用機械学習モデル★研究で科研費が採択されました。＼(^o^)／　
◆ 基盤研究(C) 2024-2026年 課題番号 24K14886
◆ 研究課題名:「XAI時代に向けた説明可能な機械学習用畳込み演算コンピューティングインメモリ」
◆ 基盤研究(C) 2021-2023年 課題番号 21K11818
◆ 研究課題名:「次元分離畳込み型軽量化機械学習モデルを活かすSRAMコンピューティングインメモリ」
◆ 基盤研究(C) 2018-2020年 課題番号 18K11230
◆ 研究課題名:「どこでもAIに向けた省電力SRAMセルアレイ多bit重みベクトル機械学習識別器」
★★　山内研究室の学生　呉君が2024年3月国際学会(ICIIT2024)で最優秀プレゼンテーション賞受賞。おめでとう。＼(^o^)／　　
　　　詳しくは（学生関連）、皆さんも続こう　＼(^_^)／　
★★　山内研究室の学生 肖君が2022年3月国際学会(ICECC2023)で最優秀プレゼンテーション賞受賞。おめでとう。＼(^o^)／　　
　　　詳しくは（学生関連）、皆さんも続こう　＼(^_^)／　
★★　山内研究室の学生が2021年9月博士の学位を取得しました。おめでとう。＼(^o^)／　　
　　　詳しくは（学生関連）、皆さんも続こう　＼(^_^)／　
今回も連続で ★人工知能(AI)用機械学習モデル★ 研究で科研費が採択されました。＼(^o^)／　
◆ 基盤研究(C) 2021-2023年 課題番号 21K11818
◆ 研究課題名:「次元分離畳込み型軽量化機械学習モデルを活かすSRAMコンピューティングインメモリ」
◆ 基盤研究(C) 2018-2020年 課題番号 18K11230
◆ 研究課題名:「どこでもAIに向けた省電力SRAMセルアレイ多bit重みベクトル機械学習識別器」
◆山内研究室の概要を動画で説明しています↓↓
　下の動画再生ボタン↓↓押して少しお待ち下さい


研究室選びの学生の皆さんへメッセージ：
(科研費) 科学研究費補助金の採択は、大学の先生が研究資金を獲得するための重要な手段です。
大学の先生は学生に新しい知見を教授するための研究活動が大事ですがその活動には資金が必要です。
企業に在職中は研究資金は潤沢でこんなイベントには出会いませんでしたが大学の先生の一つの重要なイベントみたいです。
確かに、科研費の採択状況がその先生の研究活動を図る指標の一つになっているので採択されるか否かは気になる結果です。
確かに、科研費の獲得金額や採択件数は大学の質の評価の一つになっているので採択されるか否かは大学も気になります。
確かに、科研費のデータベースの採択テーマから世界の研究動向がわかるのでそこに研究者である自分のテーマがないと寂しくなります。
確かに、科研費は独創的・先駆的な研究を助成するためとなっていますので自分のテーマが採択されないと何かが足りないと思います。

学生の人も、”研究”の出発点の卒業研究をする前に将来出会うかもしれない”科研費”で調べてみたらどうでしょうか？
★★ 独創的・先駆的な研究 ★★に対する助成を行うものです。
◆ 参考URL：https://www.jsps.go.jp/j-grantsinaid/ 　　　
◆ 興味があれば是非先生に尋ねてみてください。
◆ 又は、"KAKEN"と"先生の名前"で調べてみてください。
◆"山内寛行"の場合は下のボタンを押せばわかります。

◆ 海外など意識の高い学生は”Scopus””Web of Science””ResearchGate”
で先生の論文リストや"h-index"を検索するそうです。
論文実績がある研究室に学生は行くそうです。
要は、科研採択(研究資金や独創性）や論文実績
を学生がチェックし参考にするそうです。
"山内寛行"の場合は下のボタンを押せばわかります。





◆NVIDIAが参考にした電荷再利用バスアーキの発明で大臣から「注目発明選定賞を受賞」

◆ 山内研究室の研究テーマを
学生の発表スライドで見てください。
一緒に研究体験しませんか？
◆例えば,
学生の発表スライドから
研究テーマがわかるかな？
テーマは柔軟です。
まずは教授に聞いてください
◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
「どこでもAI用の軽量化機械学習」に欠かせない研究
Improving Bit Energy Efficiency of In-Memory
Machine Learning Systems Towards AI-Everywhere
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
ディープラーニングの機械学習モデルの高精度化・軽量化の研究
「どこでもAI用の軽量化機械学習」に欠かせない研究
Improving Bit Energy Efficiency of In-Memory
Machine Learning Systems Towards AI-Everywhere
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
Layer-wise Ensemble for Binary Neural Networks
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
An In-memory Machine Learning Classifier
with Memory Array Reduction Algorithms
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
A Time-dependent Variability Impact Reduction Technique
for Down-Sampling Images In-memory Machine Learning Classifier
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
Quantization Methods for Linear Model
& Bit-Scalable Quantized Linear Model
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
An In-memory Machine Learning Classifier
with Memory Array Reduction Algorithms
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
SRAMアレイ内機械学習分類器のコラムアレイ削減手法　最終発表
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
SRAMアレイ内機械学習分類器のコラムアレイ削減手法の研究 中間発表
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
VGG6機械学習モデル低精度量子化による精度と
乗算量・パラメータ数削減最適化の検討
◇◇-------------------------------------------------◇◇


◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
VGG6機械学習モデル低精度量子化による
精度と乗算量・パラメータ数削減の検討
◇◇-------------------------------------------------◇◇

◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇

学部の卒研で機材を使用したデモンストレーション例
「どこでもAI用のシステム設計」に欠かせない研究
◇◇-------------------------------------------------◇◇

◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇

ICECC2020国際学会での基調講演スライド例
「AI Everywhere Era」に欠かせない研究



◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
台湾のNKUSTの先生方との交流会での紹介スライド
◇◇-------------------------------------------------◇◇



◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
◇◇-------------------------------------------------◇◇
◆ 是非、山内研に来てください。一緒に探求しましょう。
◆ 山内研究室の卒研テーマです。（それ以外にもあります）
☆機械学習モデルに興味のある方
☆どこでもAIに興味のある方
☆省電力機械学習モデルに興味のある方
☆スマフォのアプリを使って組み合わせてに興味のある方
☆こんなのあったら良いな-システムのアイデアレベルの創造に興味のある方
◆例えば以下に動画で説明しています。


◆山内研究室の卒研テーマはそれ以外にもあります
◆ 1) 「どこでもAI(AI-IoT)に向けた」超省電力機械学習モデルの研究

◇1-1) AI-IoT社会に向けた超省電力機械学習モデルと学習アルゴリズム
◇1-2) AI-IoT社会に向けた超省電力機械学習計算情報ビットエネルギー効率向上
◇1-3) AI-IoT社会に向けた超省電力機械学習による対象物の認識率ビットエネルギー効率向上
◇1-4) 機械学習によるばらつき対応超低電圧SRAMの不良ビット確率の予測

★ 本研究の一部は、
New！（今回もAI-IoT関連で科研費が採択されました） 基盤研究(C) 2021-2023年 課題番号 21K11818
研究課題名:「次元分離畳込み型軽量化機械学習モデルを活かすSRAMコンピューティングインメモリ」
★基盤研究(C) 2018-2020年 課題番号 18K11230
★研究課題名:「どこでもAIに向けた省電力SRAMセルアレイ多bit重みベクトル機械学習識別器」

◇1-1) AI-IoT社会に向けた超省電力機械学習モデルと学習アルゴリズム
◇1-2) AI-IoT社会に向けた超省電力機械学習計算情報ビットエネルギー効率向上
◇1-3) AI-IoT社会に向けた超省電力機械学習による対象物の認識率ビットエネルギー効率向上
◇1-4) 機械学習によるばらつき対応超低電圧SRAMの不良ビット確率の予測

★基盤研究(C) 2014-2016年 課題番号 26420326
★研究課題名:「SRAM-ReRAM階層メモリの時空間ばらつきとリーク電流の削減協調設計の研究」
★基盤研究(C) 2011-2013年 課題番号 23560424
★研究課題名:「時空間軸上のランダムばらつきをフィールド上で削減するＳＲＡＭ端子電位制御の研究」
★基盤研究(C) 2007-2008年 課題番号 1956036
★研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
★基盤研究(C) 2014-2016年 課題番号 26420326
★研究課題名:「SRAM-ReRAM階層メモリの時空間ばらつきとリーク電流の削減協調設計の研究」
★基盤研究(C) 2018-2020年 課題番号 18K11230
★研究課題名:「どこでもAIに向けた省電力SRAMセルアレイ多bit重みベクトル機械学習識別器」
で資金援助を受けています

◆ 2) ナノメータ時代のＶＬＳＩ回路設計研究
2-1) ばらつき対応超低電圧ＳＲＡＭの設計回路研究
2-2) ばらつき対応超低電圧ＤＲＡＭの設計回路研究
2-3) 超低電圧アナログ回路の研究

2-4) フォールトトレラントＬＳＩの研究


本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。




本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



本研究の一部は、基盤研究(C) 2007-2008年 課題番号 1956036
研究課題名:「ナノメータ時代の超低電圧動作応用SRAM回路端子電位制御技術の研究」
の支援で行われています。この研究成果は動画で示しているプレゼン資料や、
論文で公開していますが、それ以外のものに興味がある方は連絡頂ければ検討いたします。



2) ポストＣＭＯＳ時代を支えるメモリプラットフォームの研究

2-1) 電源電圧発生回路・制御回路プラットフォーム思想

2-2) デバイス構造プラットフォーム思想



◆ 3) 超小型応用システムのＬＳＩ化の研究


3-1) ◇◇フォンの◇◇キャンセル機能付きＬＳＩ化の研究
ＮＤＡのためＷＥＢでは公開できませんが
興味のある方はアクセスください。