@techreport{oai:ipsj.ixsq.nii.ac.jp:00228915,
 author = {松本, 茂樹 and 市川, 湧希 and 梶原, 信樹 and 田向, 権 and Shigeki, Matsumoto and Yuki, Ichikawa and Nobuki, Kajihara and Hakaru, Tamukoh},
 issue = {48},
 month = {Nov},
 note = {本稿では，多次元空間における粒子の複雑なダイナミクスを利用したカオス・ボルツマン・マシン・レザバー・コンピューティング（CBM-RC）の FPGA 実装について報告する．自律移動ロボットのセンサ情報予測等への適用を想定しており，レザバーは大規模なものとなる．そのため重み情報は FPGA 外部の大容量メモリに格納することを前提に実装方式を設計する．CBM-RC ノードの変化の特性，及び，大規模レザバーの重み行列は一般的には疎行列になることを考慮し，重み行列の効率的な圧縮方法と FPGA での並列演算による効率的な実装方式を提案する．AMD（Xilinx）社の Alveo U50 FPGA 上に，ニューロン数 8000 以上の CBM-RC を実現した．, This paper reports on an FPGA implementation of Chaotic Boltzmann Machine Reservoir Computing (CBM-RC). The reservoir will be large-scale, as it is expected to be applied to sensor information prediction for autonomous mobile robots. Therefore, the method is designed with the premise that the weight information is stored in a large memory outside the FPGA. Considering both the characteristics of CBM-RC and the weight matrix of a large-scale reservoir is generally a sparse matrix, an efficient compression method for the weight matrix and a parallel processing system are developed. A CBM-RC with more than 8000 neurons is realized using AMD (Xilinx) Alveo U50 FPGA.},
 title = {カオス・ボルツマン・マシンをべースとしたレザバーコンピューティングの高位合成実装－外部メモリへのデータ圧縮による疎行列乗算の大規模化と効率化－},
 year = {2023}
}