ヒトを模した触覚情報処理システムの実現のため、複数の触覚センサ素子を接続可能なハードウェアによる機械学習の基礎開発を目標とする。
人のような触覚を 機械的に実現するには、触覚受容器器に相当するセンサ素子の密度とそれらのセンサ群からの情報処理の課題を解決せねばならない。本研究では最終的な目標を 100個/cm2以上でセンサを配置するためのMEMS作成技術と後段の信号処理システムにおいてサンプリング定理から考えて500Hz以上を目指している。前者については、これまでの研究成果で あるMEMSを応用した小形センサでの解決が図れる。課題は、それらの大量のセンサからの信号出力と高速な情報処理である。本研究ではその解決手段として、大量のセンサからの出力を従来のアナログ・デジタル変換回路と逐次処理によるソフトウェア処理に変えて、パルス密度によるセンサからの信号出力と、そのパルス密度のままにハードウェアニューラルネットワークに入力して連続処理し、次元を削減した後に通常の計算機への入力と信号処理を行う。
2021年度はそれらのハードウェア試作を行った。まず我々の開発してきた抵抗変化による機械変形の検知の仕組みはそのまま、その抵抗変化を電気スパイクの密度変化として出力する変換器をFPGAを用いて実現した。さらに、信号処理システムにおいて処理速度維持の要となる、ニューラルネットのハードウェア化としてFPGA上にスパイク密度を情報量とする人工ニューロンを実現し、そのニューロンを組み合わせた多層ネットワークによって論理回路のもギガできることを確認した。この多層ネットワークのパラメータ設計においては、ソフトウェアによるシミュレーションを用いた。