特許 7667628 出力の間に金属遮蔽を有するキャパシタ・ベースのシナプス・ネットワーク構造

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-04-15

(45)【発行日】2025-04-23

(54)【発明の名称】出力の間に金属遮蔽を有するキャパシタ・ベースのシナプス・ネットワーク構造

(51)【国際特許分類】

   G06N 3/065 20230101AFI20250416BHJP

   G06G 7/60 20060101ALI20250416BHJP

   G06G 7/184 20060101ALI20250416BHJP

【ＦＩ】

G06N3/065

G06G7/60

G06G7/184

【請求項の数】 20

(21)【出願番号】P 2023528599

(86)(22)【出願日】2021-11-02

(65)【公表番号】

(43)【公表日】2023-12-20

(86)【国際出願番号】 CN2021128126

(87)【国際公開番号】W WO2022127411

(87)【国際公開日】2022-06-23

【審査請求日】2024-04-11

(31)【優先権主張番号】17/120,937

(32)【優先日】2020-12-14

(33)【優先権主張国・地域又は機関】US

(73)【特許権者】

【識別番号】390009531

【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション

【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ

【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ

(74)【代理人】

【識別番号】100112690

【弁理士】

【氏名又は名称】太佐 種一

(74)【代理人】

【識別番号】100120710

【弁理士】

【氏名又は名称】片岡 忠彦

(72)【発明者】

【氏名】ジャーン、チェン

(72)【発明者】

【氏名】ヤーン、ジエ

(72)【発明者】

【氏名】コーン、デクシン

(72)【発明者】

【氏名】山下 典洪

【審査官】宮司 卓佳

(56)【参考文献】

【文献】特開２０１８－０４９８８７（ＪＰ，Ａ）

【文献】特開２００２－２７９３９３（ＪＰ，Ａ）

【文献】特開２００７－１５７７７２（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１９／０１４８３９３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／０６５

Ｇ０６Ｇ ７／６０

Ｇ０６Ｇ ７／１８４

(57)【特許請求の範囲】

【請求項1】

第１の複数のシナプス・ネットワーク・キャパシタであって、それらのシナプス・ネットワーク・キャパシタが第１の出力端子を共有する、第１の複数のシナプス・ネットワーク・キャパシタと、
第２の複数のシナプス・ネットワーク・キャパシタであって、それらのシナプス・ネットワーク・キャパシタが第２の出力端子を共有する、第２の複数のシナプス・ネットワーク・キャパシタと、
前記第１の出力端子と前記第２の出力端子との間に配置された金属遮蔽と
を備えるニューラル・ネットワーク・デバイス。

【請求項2】

前記第１の出力端子と前記第２の出力端子との間に配置された前記金属遮蔽は、接地端子に接続される、請求項１に記載のニューラル・ネットワーク・デバイス。

【請求項3】

前記金属遮蔽は、前記金属遮蔽が前記第１の出力端子を前記第２の出力端子から容量的に切り離すように、前記第１の出力端子と前記第２の出力端子との間に配置される、請求項１に記載のニューラル・ネットワーク・デバイス。

【請求項4】

前記第１の複数のシナプス・ネットワーク・キャパシタにおける前記シナプス・ネットワーク・キャパシタの各々は、前記第１の複数のシナプス・ネットワーク・キャパシタの他のシナプス・ネットワーク・キャパシタの各々の入力端子から独立した入力端子を備える、請求項１に記載のニューラル・ネットワーク・デバイス。

【請求項5】

前記第２の複数のシナプス・ネットワーク・キャパシタにおける前記シナプス・ネットワーク・キャパシタの各々は、前記第２の複数のシナプス・ネットワーク・キャパシタの他のシナプス・ネットワーク・キャパシタの各々の入力端子から独立した入力端子を備える、請求項４に記載のニューラル・ネットワーク・デバイス。

【請求項6】

各々のシナプス・ネットワーク・キャパシタの前記入力端子は、前記ニューラル・ネットワーク・デバイスの所与のワード・ラインを介してアドレス指定可能であり、前記第１及び第２の複数のシナプス・ネットワーク・キャパシタの各々は、前記ニューラル・ネットワーク・デバイスの所与のビット・ラインを介してさらにアドレス指定可能である、請求項５に記載のニューラル・ネットワーク・デバイス。

【請求項7】

前記ニューラル・ネットワーク・デバイスは、人工知能システムの一部である、請求項１に記載のニューラル・ネットワーク・デバイス。

【請求項8】

第１の複数のシナプス・ネットワーク・キャパシタを形成することであって、それらのシナプス・ネットワーク・キャパシタが第１の出力端子を共有する、前記形成することと、
第２の複数のシナプス・ネットワーク・キャパシタを形成することであって、それらのシナプス・ネットワーク・キャパシタが第２の出力端子を共有する、前記形成することと、
前記第１の出力端子と前記第２の出力端子との間に金属遮蔽を形成することと
を含む方法。

【請求項9】

前記第１の出力端子と前記第２の出力端子との間に形成された前記金属遮蔽を接地端子に接続することをさらに含む、請求項８に記載の方法。

【請求項10】

前記第１の出力端子と前記第２の出力端子との間に形成される前記金属遮蔽は、前記第１の出力端子を前記前記第２の出力端子から容量的に切り離す、請求項８に記載の方法。

【請求項11】

前記第１の複数のシナプス・ネットワーク・キャパシタにおける前記シナプス・ネットワーク・キャパシタの各々は、前記第１の複数のシナプス・ネットワーク・キャパシタの他のシナプス・ネットワーク・キャパシタの各々の入力端子から独立した入力端子を備える、請求項８に記載の方法。

【請求項12】

前記第２の複数のシナプス・ネットワーク・キャパシタにおける前記シナプス・ネットワーク・キャパシタの各々は、前記第２の複数のシナプス・ネットワーク・キャパシタの他のシナプス・ネットワーク・キャパシタの各々の入力端子から独立した入力端子を備える、請求項１１に記載の方法。

【請求項13】

各々のシナプス・ネットワーク・キャパシタの前記入力端子を、ニューラル・ネットワーク・デバイスの所与のワード・ラインを介してアドレス指定することと、前記第１及び第２の複数のシナプス・ネットワーク・キャパシタの各々を、前記ニューラル・ネットワーク・デバイスの所与のビット・ラインを介してさらにアドレス指定することとをさらに含む、請求項１２に記載の方法。

【請求項14】

前記ニューラル・ネットワーク・デバイスは、人工知能システムの一部である、請求項１３に記載の方法。

【請求項15】

シナプス・エレメントによって動作可能に結合されたニューロン・ノードの複数の層を有するニューラル・ネットワーク構造を含む少なくとも１つの処理デバイスを備え、
前記シナプス・エレメントは、少なくとも２組の複数のシナプス・エレメントで構成されており、
前記少なくとも２組の複数のシナプス・エレメントは、
第１の複数のシナプス・エレメントであって、それらのシナプス・エレメントが第１の出力端子を共有する、第１の複数のシナプス・エレメントと、
第２の複数のシナプス・エレメントであって、それらのシナプス・エレメントが第２の出力端子を共有する、第２の複数のシナプス・エレメントと、
前記第１の出力端子と前記第２の出力端子との間に配置された金属遮蔽と
を備える、
人工知能システム。

【請求項16】

前記第１の出力端子と前記第２の出力端子との間に配置された前記金属遮蔽は、接地端子に接続される、請求項１５に記載の人工知能システム。

【請求項17】

前記金属遮蔽は、前記第１の出力端子を前記第２の出力端子から切り離すように、前記第１の出力端子と前記第２の出力端子との間に配置される、請求項１５に記載の人工知能システム。

【請求項18】

前記第１の複数のシナプス・エレメントにおける前記シナプス・エレメントの各々は、前記第１の複数のシナプス・エレメントの他のシナプス・エレメントの各々の入力端子から独立した入力端子を備える、請求項１５に記載の人工知能システム。

【請求項19】

前記第２の複数のシナプス・エレメントにおける前記シナプス・エレメントの各々は、前記第２の複数のシナプス・エレメントの他のシナプス・エレメントの各々の入力端子から独立した入力端子を備える、請求項１８に記載の人工知能システム。

【請求項20】

各々のシナプス・エレメントの前記入力端子は、前記少なくとも１つの処理デバイスの所与のワード・ラインを介してアドレス指定可能であり、前記第１及び第２の複数のシナプス・エレメントの各々は、前記少なくとも１つの処理デバイスの所与のビット・ラインを介してさらにアドレス指定可能である、請求項１９に記載の人工知能システム。

【発明の詳細な説明】

【背景技術】

【0001】

ディープ・ニューラル・ネットワーク（ＤＮＮ）は、多数の層（例えば、入力層、複数の隠れ層又は中間層、及び出力層）からなる構造である人工ニューラル・ネットワーク（ＡＮＮ）の一例であり、層は、異なる構成における接続（「シナプス」を表す）の相対的重要性に基づいて重み付けされたコネクタによって動作可能に結合されるネットワーク・ノード（「ニューロン」を表す）を含む。ＤＮＮは、多くの隠れ層又は中間層を有し（例えば、数十、数百、さらには数千のオーダーであり、そのため「ディープ」という用語である）、生物学的な人（又は動物）の脳の判断機能を模倣するように設計される。

【0002】

このように、ＤＮＮは、１つ又は複数のニューロモルフィック・デバイス若しくはニューラル・ネットワーク・デバイスに実装される機械学習又は深層学習アルゴリズムを含む人工知能システムを含むが、それに限定されない多くの技術分野において実施されている。ニューラル・ネットワーク・ベースの人工知能システムの用途の例は、限定されるものではないが、画像又は物体の認識を含む。画像又は物体の認識において、畳み込みニューラル・ネットワーク（ＣＮＮ）と呼ばれるタイプのＤＮＮが使用される（例えば、ＣＮＮは、１つ又は複数の画像分類を生成するために数学的畳み込み操作を行う）。

【0003】

ＤＮＮ（ＣＮＮ又は任意の他の形態のＡＮＮ）を実装するために使用される基礎となるコンピューティング・ハードウェアは、限定されるものではないが、中央処理ユニット（ＣＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、標準的な相補型金属酸化物半導体(ＣＭＯＳ)論理に基づく特定用途向け集積回路（ＡＳＩＣ）を含むことができる。ＤＮＮのシナプスを実装するために、抵抗ベース（例えば、メモリスタ）のネットワークが一般的に使用されてきた。

【発明の概要】

【0004】

本発明の実施形態は、出力の間に金属遮蔽を有するキャパシタ・ベースのシナプス・ネットワーク構造を提供する。
１つの例示的な実施形態において、ニューラル・ネットワーク・デバイスは、第１の複数のシナプス・ネットワーク・キャパシタであって、それらのシナプス・ネットワーク・キャパシタが第１の出力端子を共有する、第１の複数のシナプス・ネットワーク・キャパシタを備える。本ニューラル・ネットワーク・デバイスはさらに、第２の複数のスナプス・ネットワーク・キャパシタであって、それらのシナプス・ネットワーク・キャパシタが第２の出力端子を共有する、第２の複数のシナプス・ネットワーク・キャパシタを含む。さらに、本ニューラル・ネットワーク・デバイスは、第１の出力端子と第２の出力端子との間に配置された金属遮蔽を備える。

【0005】

さらに別の例示的な実施形態が、金属遮蔽された出力を有するキャパシタ・ベースのシナプス・ネットワークを持つニューラル・ネットワーク・デバイスを製造する方法、及び、金属遮蔽された出力を有するキャパシタ・ベースのシナプス・ネットワークを持つニューラル・ネットワーク・デバイスを伴う人工知能システムの形態で、それぞれ提供される

【0006】

本明細書で説明される実施形態のこれら及び他の特徴並びに利点は、添付の図面及び以下の詳細な説明から、より明白となるであろう。

【図面の簡単な説明】

【0007】

【図1】１つ又は複数の例示的な実施形態を実装することができる、ニューラル・ネットワーク・コンピューティング環境のブロック図を示す。

【図2】１つ又は複数の例示的な実施形態を実装することができる、ニューラル・ネットワーク・デバイスの回路図を示す。

【図3】ポジティブ・シナプス・ネットワークを実装するために使用される単一出力のキャパシタ・ベースの構造の回路図を示す。

【図4】ネガティブ・シナプス・ネットワークを実装するために使用される単一出力のキャパシタ・ベースの構造の回路図を示す。

【図5】シナプス・ネットワークを実装するために使用される複数出力のキャパシタ・ベースの構造における結合容量問題の回路図を示す。

【図6】出力の間に金属遮蔽を有し、例示的な一実施形態によるシナプス・ネットワークを実装するために使用される、複数出力のキャパシタ・ベースの構造の等角構造図を示す。

【図7】出力の間に金属遮蔽を有し、例示的な一実施形態によるシナプス・ネットワークを実装するために使用される、複数出力のキャパシタ・ベースの構造の回路図を示す。

【図8A】出力の間に金属遮蔽を有し、例示的な一実施形態によるシナプス・ネットワークを実装するために使用される、複数出力のキャパシタ・ベースの構造を製造する方法のフロー図を示す。

【図8B】出力の間に金属遮蔽を有し、例示的な一実施形態によるシナプス・ネットワークを実装するために使用される、複数出力のキャパシタ・ベースの構造を製造する方法の別のフロー図を示す。

【図8C】例示的な一実施形態による、金属遮蔽された出力を有するキャパシタ・ベースのシナプス・ネットワークを有する、１つ又は複数のニューラル・ネットワーク・デバイスを有する人工知能システムのブロック図を示す。

【図9】例示的な一実施形態による、例示的なプロセッサ・システムのダイアグラムを示す。

【図10】例示的な一実施形態による、クラウド・コンピューティング環境のダイアグラムを示す。

【図11】例示的な一実施形態による、抽象化モデル層のダイアグラムを示す。

【発明を実施するための形態】

【0008】

背景部分において前述されたように、ＤＮＮ（ＣＮＮ又は任意のＡＮＮ）を実装するために使用される基本コンピューティング・ハードウェは、限定されるものではないが、ＣＰＵ、ＧＰＵ、ＡＳＩＣなどを含むことができる。例えば、抵抗ランダム・アクセス・メモリ（ＲｅＲＡＭ）又は相変化メモリ（ＰＣＭ）デバイス（クロスポイント構造と呼ばれる）は、ＤＮＮに関連付けられるコンピューテーションを実行するために使用されており、抵抗／コンダクタンスは、シナプスを表すために使用される。ＲｅＲＡＭは、メモリスタと呼ばれる誘電体固体材料を横切る電気抵抗の変化を利用してデータを格納するタイプの不揮発性ＲＡＭである。ＰＣＭは、相変化材料の高導電性結晶相と低導電性非晶相との間の電気抵抗コントラストを利用してデータを格納するタイプの不揮発性ＲＡＭである。

【0009】

ＤＮＮにシナプスを実装するための上記の抵抗ベースの手法に加えて、シナプスを表現するためにキャパシタを使用できることが理解される。キャパシタ・ベースのシナプス・ネットワークは、抵抗ベースのシナプス・ネットワークと同様のニューロン接続機能を提供するが、静的な電力を消費しない。しかし、キャパシタ・ベースのシナプスによるニューラル・ネットワークの１つの欠点は、出力ノードが、不要な結合キャパシタンスを通して互いに相互作用する場合があることである。

【0010】

既存のキャパシタ・ベースのシナプス・ネットワークに関連する欠点、及び、例示的な実施形態がこれら及び他の欠点をどのように克服するかをさらに説明する前に、例示的な実施形態を実装することができるニューラル・ネットワーク・デバイスのセットを有する人工知能システムの一例を説明する。

【0011】

より具体的には、図１は、１つ又は複数の例示的な実施形態を実装することができるニューラル・ネットワーク・デバイス１０２を含むニューラル・ネットワーク環境１００を示す。図示されるように、ニューラル・ネットワーク・デバイス１０２は、ニューラル・ネットワーク１０４を含み、１つ又は複数の入力信号を受け取り、１つ又は複数の出力信号を生成する。

【0012】

単なる例に過ぎないが、画像又は物体認識アプリケーションでは、入力信号（単数又は複数）は、画像を含むことができ、ニューラル・ネットワーク・デバイスは、出力信号（単数又は複数）として１つ又は複数の画像分類などを生成するＣＮＮを実装する。ＣＮＮは、シナプスを介して接続されるニューロンの畳み込み層を使用し、特徴が画像から抽出され、ネットワークを通して処理される。ＣＮＮの最終層は、入力画像に関連付けられる計算された分類を提供し、結果として、重み及び特徴検知器によって訓練されたニューラル・ネットワークを得る。訓練されたニューラル・ネットワークは、次に、目標画像に基づく実時間画像認識のために使用される。

【0013】

従って、図１において、ニューラル・ネットワーク・デバイス１０２は、ニューラル・ネットワーク１０４を訓練し、次いで、訓練されたニューラル・ネットワーク１０４を画像又は物体認識のために使用するように構成される。簡単な例に過ぎないが、ＣＮＮは、自動車の画像を使用して訓練することができ、次に、訓練されたＣＮＮに画像を適用して次の何れかの画像が自動車を含むどうか判断させることができる。図１に示されるようなニューラル・ネットワーク・デバイスを使用する画像認識は、幾つかを挙げれば、工学、セキュリティ、及び医療を含むがそれらに限定されない様々な用途に使用することができる。複数のニューラル・ネットワーク・デバイス１０２を一緒に使用して、人工知能システムを形成することができる。さらに、幾つかの実施形態においては、単一のニューラル・ネットワーク・デバイス１０２が複数のニューラル・ネットワーク１０４を含むことができる。さらに、複数のニューラル・ネットワーク・デバイス１０２による幾つかの実施形態においては、１つ又は複数のニューラル・ネットワーク・デバイス１０２が単一のニューラル・ネットワーク１０４を有することができ、一方、１つ又は複数の他のニューラル・ネットワーク・デバイス１０２が複数のニューラル・ネットワーク１０４を有することができる。

【0014】

図２は、１つ又は複数の例示的な実施形態を実装することができるニューラル・ネットワーク・デバイス２００の回路図を示す。ニューラル・ネットワーク・デバイス２００は、図１のニューラル・ネットワーク１０４を有するニューラル・ネットワーク・デバイス１０２の例示的な実装であることを認識されたい。例示的な実施形態の詳細な記述に関連するニューラル・ネットワーク・デバイス１０２及びニューラル・ネットワーク１０４の一部が図２に示されていることを認識されたい。従って、ニューラル・ネットワーク・デバイス及びニューラル・ネットワークは、図２には明示的に示されていない１つ又は複数の他の構成要素及びエレメントを有することができる。

【0015】

図示されるように、ニューラル・ネットワーク・デバイス２００は、複数のワード・ライン２１０（ＷＬ１、ＷＬ２、ＷＬ３、ＷＬ４、…、ＷＬＮ）及び複数のビット・ライン２２０（ＢＬ１、ＢＬ２、ＢＬ３、…、ＢＬＰ）を備える。複数のワード・ライン２１０及び複数のビット・ライン２２０は、直接には接続されず、各々のクロス・ポイントにおいてそれらの間に接続されたシナプス・エレメントを有する（すなわち、ワード・ラインとビット・ラインとは、互いに近接するが物理的は接続しない）。シナプス・エレメントは、図２において、シナプス・エレメント２３１、２３２、２３４、…、２３Ｑのように表されている。各々のビット・ライン２２０はさらに、図示されるように接続された積分器２４０及び閾値検出器２４２を有する。複数のシナプス・エレメント２３１、２３２、２３４、…、２３Ｑ、積分器２４０及び閾値検出器２４２は、ひとまとまりとしてニューラル・ネットワーク部２３０（例えば、ニューラル・ネットワーク・デバイス１０２のニューラル・ネットワーク１０４の一部）を構成する。ニューラル・ネットワーク部２３０の各々は、１つ又は複数の入力信号に応答して、その静電容量を変えるように構成される。さらに、各々の個々のシナプス・エレメント２３１、２３２、２３４、…、２３Ｑは、その対応するワード・ラインを介してアドレス指定可能であり、一方、各々のニューラル・ネットワーク部２３０を形成する複数のシナプス・デバイスは、その対応するビット・ラインを介してアドレス指定可能である。例示的な実施形態において、ニューラル・ネットワーク部２３０は、１つ又は複数の半導体デバイスを作成するための半導体製造技術を使用して実装される。「ワード・ライン」及び「ビット・ライン」などのメモリ・デバイス型用語が本明細書において例示的に使用されるが、これらの制御信号ラインは、各々、個々のシナプス・エレメントにアクセスするためにより一般的に使用されており、必ずしも、あらゆるニューロモルフィック実施形態におけるワード・ライン及びビット・ラインと見做される必要はない。

【0016】

図３は、ポジティブ・シナプス・ネットワークを実装するために使用される単一出力のキャパシタ・ベースの構造３００の回路図を示す。より具体的には、単一出力のキャパシタ・ベースの構造３００は、図２のニューラル・ネットワーク部２３０内の複数のシナプス・エレメント２３１、２３２、２３３、２３４、…、２３Ｑの一例である。図示されるように、単一出力のキャパシタ・ベースの構造３００は、複数のキャパシタＣ_１、Ｃ_２、Ｃ_３、…、Ｃ_ｎを備え、それらのキャパシタの各々は、それぞれＣ_１、Ｃ_２、Ｃ_３、…、Ｃ_ｎについての入力電圧源Ｖ_１、Ｖ_２、Ｖ_３、…、Ｖ_ｎに結合された第１の端子と、単一の共通出力Ｖ_０に結合された第２の端子とを有する。入力Ｖ_１、Ｖ_２、Ｖ_３、…、Ｖ_ｎは、図２におけるワード（アクセス）ラインＷＬ１、ＷＬ２、ＷＬ３、…、ＷＬＮに対応し、出力Ｖ_Ｏは、図２におけるビット（アクセス）ラインＢＬ１、ＢＬ２、ＢＬ３、…、又はＢＬＰの１つに対応することに留意されたい。各々のキャパシタＣ_１、Ｃ_２、Ｃ_３、…、Ｃ_ｎは、その静電容量がそれぞれの入力電圧Ｖ_１、Ｖ_２、Ｖ_３、…、Ｖ_ｎに基づく複数のレベルのうちの１つに調節可能であるように構成される。簡単のために、積分器２４０及び閾値検出器２４２は、図３には示されていないことを認識されたい。しかし、積分器２４０は、各々のキャパシタＣ_１、Ｃ_２、Ｃ_３、…、Ｃ_ｎの静電容量レベルを示す信号を受け取り、それらから積分信号を生成することを理解されたい。次に、積分信号が、閾値検出器２４２で所与の閾値と比較される。より具体的には、全静電容量Ｃ_ｔｏｔは、次式によって定められ、

【数1】

したがって、電圧出力は、次式によって定められる。

【数2】

【0017】

Ｖ_０は、全ての入力電圧の１次結合であることが明らかである。各々の入力電圧Ｖ_ｉについてのシナプス値は、Ｃ_ｉ／Ｃ_ｔｏｔである。Ｖ_０が所与の閾値と比較され、比較の結果に基づいて、ニューラル・ネットワーク部２３０によって判定が生成される。

【0018】

図４は、ネガティブ・シナプス・ネットワークを実装するために使用される単一出力のキャパシタ・ベースの構造４００の回路図を示す。より具体的には、単一出力のキャパシタ・ベースの構造４００は、図２のニューラル・ネットワーク部２３０内の複数のシナプス・エレメント２３１、２３２、２３３、２３４、…、２３Ｑの別の例である。図示されるように、単一出力のキャパシタ・ベースの構造４００は、複数のキャパシタＣ_１１、Ｃ_１２、Ｃ_２１、Ｃ_２２、…、Ｃ_ｎ１、Ｃ_ｎ２を備え、それらのキャパシタの各々は、それぞれＣ_１１、Ｃ_１２、Ｃ_２１、Ｃ_２２、…、Ｃ_ｎ１、Ｃ_ｎ２についての入力電圧源Ｖ_１、－Ｖ_１、Ｖ_２、－Ｖ_２、…、Ｖ_ｎ、－Ｖ_ｎに結合された第１の端子と、単一の共通出力Ｖ_０に結合された第２の端子とを有する。各々のキャパシタＣ_１１、Ｃ_１２、Ｃ_２１、Ｃ_２２、…、Ｃ_ｎ１、Ｃ_ｎ２は、その静電容量がそれぞれの入力電圧Ｖ_１、－Ｖ_１、Ｖ_２、－Ｖ_２、…、Ｖ_ｎ、－Ｖ_ｎに基づく複数のレベルのうちの１つに調節可能であるように構成される。図を簡単にするために、積分器２４０及び閾値検出器２４２は、図４には示されていないことを認識されたい。しかし、積分器２４０は、各々のキャパシタＣ_１１、Ｃ_１２、Ｃ_２１、Ｃ_２２、…、Ｃ_ｎ１、Ｃ_ｎ２の静電容量レベルを示す信号を受け取り、それらから積分信号を生成することを理解されたい。積分信号が、閾値検出器２４２で所与の閾値と比較される。より具体的には、上記の式（１）及び（２）と同様に、以下のように定められ、

【数3】

したがって、

【数4】

【0019】

Ｃ_ｉ１＜Ｃ_ｉ２であれば、シナプスはネガティブであると考えられる。ここでも、Ｖ_０が所与の閾値と比較され、比較の結果に基づいて、ニューラル・ネットワーク部２３０によって判定が生成される。

【0020】

図５は、シナプス・ネットワークを実装するために使用される複数出力のキャパシタ・ベースの構造５００における結合容量の問題の回路図を示す。図示されるように、複数出力のキャパシタ・ベースの構造５００は、第１の複数のキャパシタＣ_１１、Ｃ_２１、Ｃ_３１、…、Ｃ_ｎ１及び第２の複数のキャパシタＣ_１２、Ｃ_２２、Ｃ_３２、…、Ｃ_ｎ２を備える。第１の複数のキャパシタＣ_１１、Ｃ_２１、Ｃ_３１、…、Ｃ_ｎ１における各々のキャパシタは、それぞれ入力電圧源Ｖ_１、Ｖ_２、Ｖ_３、…、Ｖ_ｎに結合された第１の端子と、単一の共通出力Ｖ_ｏｌに結合された第２の端子とを有する。第２の複数のキャパシタＣ_１２、Ｃ_２２、Ｃ_３２、…、Ｃ_ｎ２の各々のキャパシタは、それぞれ入力電圧源Ｖ_１、Ｖ_２、Ｖ_３、…、Ｖ_ｎに結合された第１の端子と、単一の共通出力Ｖ_ｏ２に結合された第２の端子とを有する。図５における２組の複数のキャパシタの各々は、図３に示された複数のキャパシタと同じであるが、各々の１組は、図４に示される複数のキャパシタと同じように交互に構成することができる。重要な点は、電場によって引き起こされる寄生容量結合効果のために、別の信号に近接する１つの信号が、他の信号にノイズの形態の干渉を引き起こすことである。従って、図５に示されるように、出力Ｖ_０１は、出力Ｖ_０２と干渉する可能性があり、逆の可能性もある。２つの出力の間の寄生容量結合効果は、結合容量Ｃ_ｘとして表される。Ｃ_ｘの存在のために、Ｖ_０１及びＶ_０２は互いに影響し、従って、上記の式（２）又は（４）の簡単な式によって定めることはできない。出力Ｖ_０１とＶ_０２との間のこの望ましくない結合容量は、積分（積分器２４０）及び閾値検出（閾値検出器２４２）段階においてエラーを引き起こす可能性があり、したがって、人工知能アルゴリズム全体において間違った判定につながる可能性があるという点で、ニューラル・ネットワークの問題を提起する。

【0021】

例示的な実施形態は、キャパシタ・ベースのシナプス・ネットワークに関連する上記及び他の欠点を、出力の間に金属遮蔽を有する構造を提供することによって克服する。

【0022】

図６は、例示的な一実施形態による、出力の間に金属遮蔽を有し、シナプス・ネットワークを実装するために使用される複数出力のキャパシタ・ベースの構造６００の等角構造図を示す。より具体的には、図示されるように、複数出力のキャパシタ・ベースの構造６００は、３組の複数のキャパシタ６０２－１、６０２－２及び６０２－３を含み、ここで各々の複数自体は、３つのキャパシタを含み、各々のキャパシタは、６１０として示される。各々のキャパシタ６１０（簡単のために、図の上右隅のキャパシタによって表される）は、第１の端子６１２及び第２の端子６１４を備え、２つの端子６１２及び６１４の間に誘電体材料６１６が配置される。各々のキャパシタ６１０の第１の端子６１２は、それぞれＶ_１、Ｖ_２、又はＶ_３の入力電圧に動作可能に結合される。各々のキャパシタ６１０の第２の端子６１４は、出力電圧、この場合にはＶ_ｏ３に動作可能に結合される（すなわち、図示されるように、同じ複数のキャパシタ内のキャパシタは、同じ出力Ｖ_ｏ１、Ｖ_ｏ２又はＶ_ｏ３に動作可能に結合される）。誘電体材料６１６は、高κ材料、例えば、限定されるものではないが、二酸化ハフニウム（ＨｆＯ_２）、二酸化ジルコニウムなど、並びにそれらの組み合わせである。

【0023】

さらに、各々の複数のキャパシタ６０２は、それらに関連する金属遮蔽６２０を有する。例示的な実施形態において、金属遮蔽６２０は、限定されるものではないが、窒化チタン（ＴｉＮ）、タングステン（Ｗ）、銅（Ｃｕ）など、並びにそれらの組み合わせなどの材料で構成される。例示的な実施形態において、金属遮蔽６２０の大きさは、キャパシタの寸法に応じて、数ナノメートルから数百ナノメートルまでの範囲とすることができる。図示されるように、金属遮蔽６２０は、図示される複数のキャパシタ６０２の各々の間に配置される。このように配置された金属遮蔽６２０は、所与の出力に対する隣接する出力からの干渉を防ぎ、例えば、Ｖ_ｏ１及びＶ_ｏ２は互いに容量的に切り離され、同時に、Ｖ_ｏ２及びＶ_ｏ３は、互いに容量的に切り離される。図６に示される例示的な実施形態においては、金属遮蔽６２０は、接地されている。しかし、金属遮蔽６２０は、図７の文脈において以下でさらに説明されるように、Ｃ_ｔｏｔを追加する。

【0024】

図７は、例示的な一実施形態による、出力の間に金属遮蔽を有し、シナプス・ネットワークを実装するために使用される複数出力のキャパシタ・ベースの構造７００の回路図を示す。複数出力のキャパシタ・ベースの構造７００は、図５の複数出力のキャパシタ・ベースの構造５００に類似しているが、複数のキャパシタ７０２－１と７０２－２との間に、図６に示されるように金属遮蔽６２０が配置され、その結果、出力Ｖ_ｏ１が別個の遮蔽容量Ｃ_ｘ１を有し、同時に出力Ｖｏ_２が別個の遮蔽容量Ｃ_ｘ２を有することが想定されていることが理解される。

【0025】

従って、複数のキャパシタ７０２－１に関する例として、Ｃ_ｔｏｔは次式のように定義され、

【数5】

したがって、

【数6】

となる。

【0026】

複数のキャパシタ７０２―２についてのＣ_ｔｏｔ及びＶ_ｏ２は、それぞれ式（５）及び（６）に示されるのと同様に変化するが、Ｃ_ｘ１ではなくＣ_ｘ２の追加を伴う。

【0027】

図８は、例示的な一実施形態による、出力の間に金属遮蔽を有し、シナプス・ネットワークを実装するために使用される複数出力のキャパシタ・ベースの構造を製造する方法８００のフロー図を示す。方法８００は、例えば、図１における１０２のようなニューラル・ネットワーク・デバイスを製造する半導体製造プロセスの一部として行うことができることを認識されたい。しかし、代替的実施形態において、方法８００は、方法のステップを実行するように構成された他の製造技術によって行うことができる。

【0028】

ステップ８０２は、同じ組の複数のキャパシタが別個の入力を有しながら共通の出力を共有する、少なくとも２組の複数のキャパシタを形成する（例えば、図６又は図７を参照されたい）。少なくとも２組の複数のキャパシタの半導体製造は、様々な方法で行うことができる。単なる例として、「メムキャパシタ、ニューロ・デバイス、及びニューラル・ネットワーク・デバイス」と題する２０１９年１２月１０日に発行された米国特許第１０,５０５，１０８号に記載されているキャパシタ製造技術を、ステップ８０２における少なくとも２組の複数のキャパシタを製造するために適合させることができる。

【0029】

ステップ８０４は、本明細書で説明される少なくとも２組の複数のキャパシタにおける各対の出力の間に、金属遮蔽を形成する。

【0030】

少なくとも１つの半導体製造ベースの実施形態において、複数出力のキャパシタ・ベースの構造６００（図６の）に関連して、図８Ｂは、複数のキャパシタ６０２の各対の出力の間に金属遮蔽を形成するための実行される方法８１０を示す。

【0031】

初めに、ステップ８１１において、キャパシタの出力端子金属線（Ｖ_ｏ１、Ｖ_ｏ２又はＶ_ｏ３）が形成される。次に、ステップ８１２において、高κ誘電体材料６１６が形成され、パターン形成される。ステップ８１３において、第１の層間誘電体（ＩＬＤ）層が形成され、化学機械平坦化（ＣＭＰ）操作が適用される。次に、ステップ８１４において、第１のＩＬＤ層にトレンチが形成され、金属を堆積させて遮蔽金属線が形成される。ステップ８１５において、第２のＩＬＤ層が形成され、ＣＭＰが適用される。ステップ８１６において、ビア構造体が高κ誘電体材料６１６に達するまでエッチングされ、次いで、ビア構造体がメタライズされる。ステップ８１７において、キャパシタの入力金属線（Ｖ_１、Ｖ_２又はＶ_３）が形成される。図８Ｂにおける製造プロセスは単なる１例であり、代替的な実施形態は、出力の間に金属遮蔽を有する複数出力のキャパシタ・ベースの構造を形成するために、付加的又は代替的な製造ステップ及び技術をステップの異なる順序で考慮することを認識されたい。

【0032】

図８Ｃは、例示的な一実施形態による、金属遮蔽された出力を有するキャパシタ・ベースのシナプス・ネットワークを有する、１つ又は複数のニューラル・ネットワーク・デバイスを有する人工知能システム８２０のブロック図を示す。１つ又は複数の例示的な実施形態において、金属遮蔽された出力を有するキャパシタ・ベースのシナプス・ネットワークは、図８Ａにおける方法８００若しくは図８Ｂにおける方法８１０又はその両方に従って製造することができる。

【0033】

図示されるように、人工知能システム８２０は、金属遮蔽された出力８２４を持つキャパシタ・ベースのシナプス・ネットワークを有する、１つ又は複数のニューラル・ネットワーク・デバイス８２２を含む。１つの例示的な実施形態において、人工知能システム８２０の、金属遮蔽された出力８２４を持つキャパシタ・ベースのシナプス・ネットワークを有する１つ又は複数のニューラル・ネットワーク・デバイス８２２は、１つ又は複数の特定用途向け集積回路（ＡＳＩＣ）によって実装される。ＡＳＩＣは、実行可能プログラム・コード（例えば、命令コード、コンピュータ・プログラム・コードなど）を用いてプログラムされた論理か、又は別の特定用途のために構成された論理（例えば、回路、プロセッサ、メモリなど）を備える、特定用途にカスタマイズされた集積回路（ＩＣ）チップ又はデバイスである。この例示的な場合において、特定用途は、人工知能システムの実装及び実行（例えば、機械学習アルゴリズム）であり、より具体的には、ニューラル・ネットワークの一部として使用されるシナプス・ネットワークの実装である。ＡＳＩＣは、システム・オン・チップ（ＳｏＣ）とも呼ばれる。

【0034】

さらに、人工知能システム８２０及びその要素は、１つ又は複数のマルチ・コア中央処理ユニット（ＣＰＵ）、１つ又は複数のグラフィックス処理ユニット（ＧＰＵ）、及び、１つ又は複数のフィールド・プログラム可能ゲート・アレイ（ＦＰＧＡ）を含む技術のような代替回路／プロセッサ・ベースの技術において実現することができることを認識されたい。

【0035】

図１～図８Ｃに示された技術は、さらに、本明細書で説明するように、別個のソフトウェア・モジュールを含むシステムを提供することを含み、別個のソフトウェア・モジュールの各々は、有形のコンピュータ可読の記録可能ストレージ媒体上で具体化される。全てのモジュール（又はそれらの任意のサブセット）は、同じ媒体上に存在することができ、又は各々が、例えば異なる媒体上に存在することができる。モジュールは、図に示される構成要素若しくは本明細書で説明される構成要素又はその両方の何れか又は全部を含むことができる。本発明の一実施形態において、モジュールは、例えば、ハードウェア・プロセッサ上で実行することができる。そして、方法ステップは、ハードウェア・プロセッサ上で実行する、上述のようなシステムの別個のソフトウェア・モジュールを使用して実行することができる。さらに、コンピュータ・プログラム製品は、別個のソフトウェア・モジュールを有するシステムの提供を含む、本明細書に記載の少なくとも１つの方法ステップを行うために実行されるように適合されたコードを有する有形のコンピュータ可読の記録可能ストレージ媒体を含むことができる。

【0036】

さらに、図１～図８Ｃに示された技術は、データ処理システムのコンピュータ可読ストレージ媒体に格納されたコンピュータ使用可能プログラム・コードを含むことができるコンピュータ・プログラム製品を介して実施することができ、コンピュータ使用可能プログラム・コードは、遠隔データ処理システムからネットワーク上でダウンロードされたものである。さらに、本発明の一実施形態において、コンピュータ・プログラム製品は、サーバ・データ処理システムのコンピュータ可読ストレージ媒体に格納されたコンピュータ使用可能プログラム・コードを含むことができ、コンピュータ使用可能プログラム・コードは、遠隔システムによるコンピュータ可読ストレージ媒体における使用のための遠隔データ処理システムに、ネットワーク上でダウンロードされる。

【0037】

本発明又はその要素の実施形態は、メモリと、そのメモリに結合されて例示的な方法ステップを実行するように構成された少なくとも１つのプロセッサとを含む装置の形態で実装することができる。

【0038】

さらに、本発明の実施形態は、コンピュータ又はワークステーション上で実行するソフトウェアを使用することができる。図９を参照すると、そのような実施は、例えば、プロセッサ９０２、メモリ９０４、並びに、例えば、ディスプレイ９０６及びキーボード９０８によって形成される入力／出力インターフェースを使用することができるであろう。用語「プロセッサ」は、本明細書で使用される場合、例えば、マルチ・コアＣＰＵ、ＧＰＵ、ＦＰＧＡを含む１つ、若しくは、１つ又は複数のＡＳＩＣのような処理回路の他の形態、又はそれらの組み合わせのような、任意の処理デバイスを含むことが意図されている。さらに、用語「プロセッサ」は、１つより多くの個々のプロセッサを指す場合がある。用語「メモリ」は、例えば、ＲＡＭ（ランダム・アクセス・メモリ）、ＲＯＭ（読み出し専用メモリ）、固定メモリ・デバイス（例えば、ハードディスク）、取り外し可能メモリ・デバイス（例えば、ディスケット）、フラッシュ・メモリなどのような、プロセッサ（例えば、ＣＰＵ、ＧＰＵ、ＦＰＧＡ、ＡＳＩＣなど）に関係付けられるメモリを含むことが意図されている。さらに、用語「入力／出力インターフェース」は、本明細書で使用される場合、例えば、処理ユニットにデータを入力するための機構（例えば、マウス）、及び、処理ユニットに関係付けられる結果を与えるための機構（例えば、プリンタ）を含むことが意図されている。プロセッサ９０２、メモリ９０４、並びに、ディスプレイ９０６及びキーボード９０８のような入力／出力インターフェースは、例えば、データ処理ユニット９１２の一部としてのバス９１０を介して、相互接続することができる。例えばバス９１０を介する適切な相互接続は、コンピュータ・ネットワークとインターフェースするために提供され得る、ネットワーク・カードなどのネットワーク・インターフェース９１４に提供することができ、メディア９１８とインターフェースするために提供され得る、ディスケット又はＣＤ－ＲＯＭドライブなどのメディア・インターフェース９１６に提供することができる。

【0039】

従って、本明細書で説明された、本発明の実施形態の方法を実行するための命令又はコードを含むコンピュータ・ソフトウェアは、関連するメモリ・デバイス（例えば、ＲＯＭ、固定メモリ又は取り外し可能メモリ）に格納することができ、使用される準備が整ったとき、部分的に又は全体がロードされ（例えば、ＲＡＭ内に）、ＣＰＵによって実施される。そのようなソフトウェアは、限定されるものではないが、ファームウェア、常駐ソフトウェア、マイクロコードなどを含むことができる。

【0040】

プログラム・コードを格納する若しくは実行する又はその両方のために適したデータ処理システムは、システム・バス９１０を通じてメモリ要素９０４に直接又は間接に結合された少なくとも１つのプロセッサ９０２を含む。メモリ要素は、プログラム・コードの実際の実行中に使用されるローカル・メモリ、バルク・ストレージ、及び、実行中にバルク・ストレージからコードを引き出す必要がある回数を減らすために少なくとも幾つかのプログラム・コードの一時的ストレージをもたらすキャッシュ・メモリを含むことができる。

【0041】

入力／出力又はＩ／Ｏデバイス（限定されるものではないが、キーボード９０８、ディスプレイ９０６、ポインティング・デバイスなどを含む）は、システムに直接に（例えば、バス９１０を介して）又は介在するＩ／Ｏコントローラ（明瞭にするために省略された）を通して、結合することができる。

【0042】

ネットワーク・インターフェース９１４などのネットワーク・アダプタをさらにシステムに結合し、データ処理システムが他のデータ処理システム又は遠隔プリンタ若しくはストレージ・デバイスに、介在するプライベート・ネットワーク又はパブリック・ネットワークを通して結合することを可能にすることができる。モデム、ケーブル・モデム及びイーサネット・カードは、現在利用可能な幾つかのタイプのネットワーク・アダプタである。

【0043】

特許請求の範囲を含む本明細書で使用される場合、「サーバ」は、サーバ・プログラムを実行する物理的データ処理システム（例えば、図９に示されるシステム９１２）を含む。そのような物理的サーバは、ディスプレイ及びキーボードを含んでも含まなくても良いことを理解されたい。

【0044】

本発明は、システム、方法若しくはコンピュータ・プログラム製品又はそれらの組み合わせを、いずれかの可能な技術的詳細レベルで統合したものとすることができる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を有するコンピュータ可読ストレージ媒体（単数又は複数）を含むことができる。

【0045】

コンピュータ可読ストレージ媒体は、命令実行デバイスにより使用される命令を保持及び格納できる有形デバイスとすることができる。コンピュータ可読ストレージ媒体は、例えば、これらに限定されるものではないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁気ストレージ・デバイス、半導体ストレージ・デバイス、又は上記のいずれかの適切な組み合わせとすることができる。コンピュータ可読ストレージ媒体のより具体的な例の非網羅的なリストとして、以下のもの、すなわち、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラム可能読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み出し専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク、パンチカード若しくは命令がそこに記録された溝内の隆起構造のような機械的にエンコードされたデバイス、及び上記のいずれかの適切な組み合わせが挙げられる。本明細書で使用される場合、コンピュータ可読ストレージ媒体は、電波、又は他の自由に伝搬する電磁波、導波管若しくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通る光パルス）、又はワイヤを通って送られる電気信号などの、一時的信号自体として解釈されない。

【0046】

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピューティング／処理デバイスに、又は、例えばインターネット、ローカル・エリア・ネットワーク、広域ネットワーク若しくは無線ネットワーク、又はそれらの組み合わせなどのネットワークを介して外部コンピュータ又は外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ若しくはエッジ・サーバ、又はそれらの組み合わせを含むことができる。各コンピューティング／処理デバイスにおけるネットワーク・アダプタ・カード又はネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、コンピュータ可読プログラム命令を転送して、それぞれのコンピューティング／処理デバイス内のコンピュータ可読ストレージ媒体内に格納する。

【0047】

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路のための構成データ、又は、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、及び、「Ｃ」プログラミング言語若しくは類似のプログラミング言語などの従来の手続き型プログラミング言語を含む１つ又は複数のプログラミング言語の任意の組み合わせで記述されるソース・コード又はオブジェクト・コードとすることができる。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で実行される場合もあり、一部がユーザのコンピュータ上で、独立型ソフトウェア・パッケージとして実行される場合もあり、一部がユーザのコンピュータ上で実行され、一部が遠隔コンピュータ上で実行される場合もあり、又は完全に遠隔コンピュータ若しくはサーバ上で実行される場合もある。最後のシナリオにおいて、遠隔コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）若しくは広域ネットワーク（ＷＡＮ）を含むいずれかのタイプのネットワークを通じてユーザのコンピュータに接続される場合もあり、又は外部コンピュータへの接続がなされる場合もある（例えば、インターネットサービスプロバイダを用いたインターネットを通じて）。幾つかの実施形態において、例えば、プログラム可能論理回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はプログラム可能論理アレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実施するために、コンピュータ可読プログラム命令の状態情報を利用することによってコンピュータ可読プログラム命令を実行して、電子回路を個別化することができる。

【0048】

本発明の態様は、本発明の実施形態による方法、装置（システム）及びコンピュータ・プログラム製品のフローチャート図若しくはブロック図又はその両方を参照して説明される。フローチャート図若しくはブロック図又はその両方の各ブロック、並びにフローチャート図若しくはブロック図又はその両方におけるブロックの組み合わせは、コンピュータ可読プログラム命令によって実装できることが理解されるであろう。

【0049】

これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能データ処理装置のプロセッサに与えて機械を製造し、それにより、コンピュータ又は他のプログラム可能データ処理装置のプロセッサによって実行される命令が、フローチャート若しくはブロック図又は両方の１つ又は複数のブロック内で指定された機能／動作を実施するための手段を作り出すようにすることができる。コンピュータ、プログラム可能データ処理装置若しくは他のデバイス又はそれらの組み合わせを特定の方式で機能させるように指示することができるこれらのコンピュータ・プログラム命令を、コンピュータ可読媒体内に格納することもでき、それにより、そのコンピュータ可読媒体内に格納された命令が、フローチャート若しくはブロック図又はその両方の１つ又は複数のブロックにおいて指定された機能／動作の態様を実施する命令を含む製品を含むようにすることもできる。

【0050】

コンピュータ可読プログラム命令を、コンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上にロードして、一連の動作ステップをコンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上で行わせてコンピュータ実施のプロセスを生産し、それにより、コンピュータ又は他のプログラム可能装置上で実行される命令が、フローチャート若しくはブロック図又は両方の１つ又は複数のブロックにおいて指定された機能／動作を実行するためのプロセスを提供するようにすることもできる。

【0051】

図面内のフローチャート及びブロック図は、本発明の様々な実施形態による、システム、方法、及びコンピュータ・プログラム製品の可能な実装の、アーキテクチャ、機能及び動作を示す。この点に関して、フローチャート内の各ブロックは、指定された論理機能を実装するための１つ又は複数の実行可能命令を含む、モジュール、セグメント、又はコードの一部を表すことができる。幾つかの代替的な実装において、ブロック内に示される機能は、図に示される順序とは異なる順序で生じることがある。例えば、連続して示される２つのブロックは、関与する機能に応じて、実際には実質的に同時に実行されることもあり、又はこれらのブロックはときとして逆順で実行されることもある。ブロック図若しくはフローチャート図又は両方の各ブロック、及びブロック図若しくはフローチャート図又はその両方におけるブロックの組み合わせは、指定された機能又は動作を実行する、又は専用のハードウェアとコンピュータ命令との組み合わせを実行する、専用ハードウェア・ベースのシステムによって実装できることにも留意されたい。

【0052】

本明細書で説明される方法のいずれのステップも、コンピュータ可読ストレージ媒体上で具体化される別個のソフトウェア・モジュールを含むシステムを提供する付加的なステップを含むことができ、モジュールは、本明細書で詳述される構成要素の何れか又は全部を含むことができることに留意されたい。次に、方法ステップは、ハードウェア・プロセッサ９０２上で実行する、上述のようなシステムの別個のソフトウェア・モジュール若しくはサブ・モジュール又はその両方を使用して、実行することができる。さらに、コンピュータ・プログラム製品は、別個のソフトウェア・モジュールを有するシステムの提供を含む、本明細書で説明された少なくとも１つの方法ステップを行うように実行されるように適合されたコードを有する、コンピュータ可読ストレージ媒体を含むことができる。

【0053】

いずれの場合でも、本明細書で示される構成要素は、例えば、特定用途向け集積回路（ＡＳＩＣ）、機能回路、関連付けられたメモリを有する適切にプログラムされたデジタル・コンピュータなどの、ハードウェア、ソフトウェア、又はそれらの組み合わせの種々の形態で実装できることを理解されたい。本明細書で提供される本発明の教示が与えられれば、関連分野の当業者は、本発明の構成要素の他の実装を企図することが可能であろう。

【0054】

本開示はクラウド・コンピューティングに関する詳細な説明を含むが、本明細書に記載される教示の実装は、クラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在知られている又は後に開発される任意の他のタイプのコンピューティング環境と共に実施することが可能である。

【0055】

クラウド・コンピューティングは、最小限の管理労力又はサービスのプロバイダとの対話で迅速にプロビジョニング及び解放することができる構成可能なコンピューティング・リソース（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、及びサービス）の共有プールへの、便利なオンデマンドのネットワーク・アクセスを可能にするためのサービス配信のモデルである。このクラウド・モデルは、少なくとも５つの特徴、少なくとも３つのサービス・モデル、及び少なくとも４つのデプロイメント・モデルを含むことができる。

【0056】

特徴は、以下の通りである。

【0057】

オンデマンド・セルフ・サービス：クラウド・コンシューマは、必要に応じて、サーバ時間及びネットワーク・ストレージ等のコンピューティング機能を、人間がサービスのプロバイダと対話する必要なく自動的に、一方的にプロビジョニングすることができる。

【0058】

広範なネットワーク・アクセス：機能は、ネットワーク上で利用可能であり、異種のシン又はシック・クライアント・プラットフォーム（例えば、携帯電話、ラップトップ、及びＰＤＡ）による使用を促進する標準的な機構を通じてアクセスされる。

【0059】

リソース・プール化：プロバイダのコンピューティング・リソースは、マルチテナントモデルを用いて複数のコンシューマにサービスを提供するためにプールされ、異なる物理及び仮想リソースが要求に応じて動的に割り当て及び再割り当てされる。コンシューマは、一般に、提供されるリソースの正確な位置についての制御又は知識を持たないという点で、位置とは独立しているといえるが、より抽象化レベルの高い位置（例えば、国、州、又はデータ・センタ）を特定できる場合がある。

【0060】

迅速な弾力性：機能を、迅速かつ弾力的に、場合によっては自動的に、プロビジョニングしてすばやくスケールアウトし、迅速に解放して素早くスケールインすることができる。コンシューマにとって、プロビジョニングに利用可能な機能は、多くの場合、無制限であるように見え、いつでもどんな量でも購入できる。

【0061】

計測されるサービス：クラウド・システムは、サービスのタイプ（例えば、ストレージ、処理、帯域幅、及びアクティブなユーザアカウント）に適した何らかの抽象化レベルでの計量機能を用いることによって、リソースの使用を自動的に制御及び最適化する。リソース使用を監視し、制御し、報告して、利用されるサービスのプロバイダとコンシューマの両方に対して透明性をもたらすことができる。

【0062】

サービス・モデルは、以下の通りである。

【0063】

Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＳａａＳ）：コンシューマに提供される機能は、クラウド・インフラストラクチャ上で実行されるプロバイダのアプリケーションを使用することである。これらのアプリケーションは、ウェブブラウザ（例えば、ウェブベースの電子メール）などのシンクライアントインターフェースを通じて、種々のクライアントデバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を想定される例外として、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーション能力機能をも含めて、基礎をなすクラウド・インフラストラクチャを管理又は制御しない。

【0064】

Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ（ＰａａＳ）：コンシューマに提供される機能は、プロバイダによってサポートされるプログラミング言語及びツールを用いて作成された、コンシューマが作成又は取得したアプリケーションを、クラウド・インフラストラクチャ上にデプロイすることである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージを含む基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、デプロイされたアプリケーション、及び場合によってはアプリケーションをホストする環境構成を制御する。

【0065】

Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＩａａＳ）：コンシューマに提供される機能は、コンシューマが、オペレーティング・システム及びアプリケーションを含み得る任意のソフトウェアをデプロイして実行させることができる、処理、ストレージ、ネットワーク、及び他の基本的なコンピューティング・リソースをプロビジョニングすることである。コンシューマは、基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、オペレーティング・システム、ストレージ、デプロイされたアプリケーションに対する制御、及び場合によってはネットワークコンポーネント（例えば、ホストのファイアウォール）選択に対する限定された制御を有する。

【0066】

デプロイメント・モデルは以下の通りである。

【0067】

プライベート・クラウド：クラウド・インフラストラクチャは、ある組織のためだけに運営される。これは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。

【0068】

コミュニティ・クラウド：クラウド・インフラストラクチャは、幾つかの組織によって共有され、共通の関心事項（例えば、ミッション、セキュリティ要件、ポリシー、及びコンプライアンス上の考慮事項）を有する特定のコミュニティをサポートする。これは、それらの組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。

【0069】

パブリック・クラウド：クラウド・インフラストラクチャは、一般公衆又は大規模な業界グループによって利用可能であり、クラウド・サービスを販売する組織によって所有される。

【0070】

ハイブリッド・クラウド：クラウド・インフラストラクチャは、固有のエンティティのままであるが、データ及びアプリケーションのポータビリティを可能にする標準化技術又は専用技術（例えば、クラウド間の負荷平衡のためのクラウド・バースティング）によって互いに結び付けられた、２つ又はそれより多いクラウド（プライベート、コミュニティ、又はパブリック）の混成物である。

【0071】

クラウド・コンピューティング環境は、サービス指向であり、ステートレス性、低結合性、モジュール性、及びセマンティック相互運用性に焦点を置く。クラウド・コンピューティングの中心は、相互接続されたノードのネットワークを含むインフラストラクチャである。

【0072】

ここで図１０を参照すると、例示的なクラウド・コンピューティング環境１０５０が示される。図示のように、クラウド・コンピューティング環境１０５０は、例えば、携帯情報端末（ＰＤＡ）若しくはセルラ電話１０５４Ａ、デスクトップ・コンピュータ１０５４Ｂ、ラップトップ・コンピュータ１０５４Ｃ、若しくは自動車コンピュータ・システム１０５４Ｎ又はその組み合わせなどの、クラウド・コンシューマによって使用されるローカル・コンピューティング・デバイスが通信することができる、１つ又は複数のクラウド・コンピューティング・ノード１０１０を含む。ノード１０１０は、互いに通信することができる。ノード１０１０は、上述されるプライベート・クラウド、コミュニティ・クラウド、パブリック・クラウド、又はハイブリッド・クラウド、又はその組み合わせなどの、１つ又は複数のネットワークにおいて物理的に又は仮想的にグループ化することができる（図示せず）。このことは、クラウド・コンピューティング環境１０５０が、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを保持する必要のないＩｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ、Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ若しくはＳｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ又はその組み合わせを提供することを可能にする。図１０に示されるコンピューティング・デバイス１０５４Ａ～Ｎのタイプは、単に例示的であることが意図され、コンピューティングノード１０及びクラウド・コンピューティング環境１０５０は、任意のタイプのネットワーク若しくはネットワーク・アドレス指定可能な接続又はその両方を介して任意のタイプのコンピュータ化されたデバイスと通信することが可能である（例えば、ウェブブラウザを用いて）ことが理解される。

【0073】

ここで図１１を参照すると、クラウド・コンピューティング環境１０５０（図１０）によって提供される機能抽象化層のセットが示される。図１１に示される構成要素、層及び機能は単に例示であることを意図し、本発明の実施形態はそれらに限定されないことを予め理解されたい。図示されるように、以下の層及び対応する機能が提供される。

【0074】

ハードウェア及びソフトウェア層１１６０は、ハードウェア・コンポーネント及びソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例として、メインフレーム１１６１、ＲＩＳＣ（Reduced Instruction Set Computer（縮小命令セットコンピュータ））アーキテクチャベースのサーバ１１６２、サーバ１１６３、ブレード・サーバ１１６４、ストレージ・デバイス１１６５、並びにネットワーク及びネットワーキング・コンポーネント１１６６が含まれる。幾つかの実施形態において、ソフトウェア・コンポーネントは、ネットワーク・アプリケーションサーバ・ソフトウェア１１６７と、データベース・ソフトウェア１１６８とを含む。

【0075】

仮想化層１１７０は、抽象化層を提供し、この層により、仮想エンティティの以下の例、すなわち、仮想サーバ１１７１、仮想ストレージ１１７２、仮想プライベート・ネットワークを含む仮想ネットワーク１１７３、仮想アプリケーション及びオペレーティング・システム１１７４、並びに仮想クライアント１１７５を提供することができる。一例において、管理層１１８０は、以下で説明される機能を提供することができる。リソース・プロビジョニング１１８１が、クラウド・コンピューティング環境内でタスクを実行するために利用されるコンピューティング・リソース及び他のリソースの動的な調達を提供する。計量及び価格決定１１８２は、クラウド・コンピューティング環境内でリソースが利用されたときの費用追跡と、これらのリソースの消費に対する課金又は請求とを提供する。

【0076】

一例において、これらのリソースは、アプリケーション・ソフトウェア・ライセンスを含み得る。セキュリティは、クラウド・コンシューマ及びタスクについての識別検証、並びにデータ及び他のリソースに対する保護を提供する。ユーザ・ポータル１１８３は、コンシューマ及びシステム管理者に対して、クラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理１１８４は、必要なサービス・レベルが満たされるように、クラウド・コンピューティング・リソースの割当て及び管理を提供する。サービス・レベル・アグリーメント（Service Level Agreement、ＳＬＡ）の計画及び履行１１８５は、ＳＬＡに従って将来的な必要性が予測されるクラウド・コンピューティング・リソースの事前配置及び調達を提供する。

【0077】

作業負荷層１１９０は、クラウド・コンピューティング環境を利用することができる機能の例を提供する。この層から提供することができる作業負荷及び機能の例として、マッピング及びナビゲーション１１９１、ソフトウェア開発及びライフサイクル管理１１９２、仮想教室教育配信１１９３、データ分析処理１１９４、トランザクション処理１１９５、及び本発明の１つ又は複数の実施形態による、人工知能アルゴリズム処理１１９６が挙げられる。

【0078】

本明細書で用いられる用語は、特定の実施形態を説明することのみを目的とし、本発明を限定することを意図したものではない。本明細書で用いられる場合、単数形「１つの（a）」、「１つの（an）」及び「その（the）」は、文脈がそうでないことを明確に示していない限り、複数形も含むことを意図している。さらに、用語「含む（comprise）」若しくは「含んでいる（comprising）」又はその両方は、本明細書で用いられる場合、記載される特徴、整数、ステップ、動作、要素若しくは構成要素又はそれらの組み合わせの存在を明示するが、１つ又は複数の他の特徴、整数、ステップ、動作、要素、構成要素若しくはグループ又はそれらの組み合わせの存在も又は追加も排除しないことが理解されるであろう。

【0079】

本発明の少なくとも１つの実施形態は、例えば、モデル復元論理の複雑な手動（例えば、特注の）開発に取って代わるフレームワーク（例えば、１つ又は複数のフレームワーク構成のセット）などの有益な効果を提供することができる。本明細書で例示として説明されるように、フレームワークは、故障検出コンポーネント及び関連したモデル復元パイプラインのセットで構成され、インスタンス化される。一旦インスタンス化されると、フレームワークは、入力としてログを用いて所与のライフサイクルにつながれ、新しいモデル・バージョンのための新しいモデル・アーチファクトを既存のライフサイクル・パイプラインに送る。１つ又は複数の例示的な実施形態において、フレームワークは、ＡＩ用途のエンド・ツー・エンド開発及びライフサイクル管理のためのフレームワーク及びプラットフォームである。

【0080】

本開示の種々の実施形態の説明は、例示の目的のために提示されたが、これらは、網羅的であること、又は開示した実施形態に限定することを意図するものではない。当業者には、説明される実施形態の範囲から逸脱することなく、多くの修正及び変形が明らかであろう。本明細書で用いられる用語は、実施形態の原理、実用性、又は市場に見られる技術に優る技術的改善を最もよく説明するため、又は、当業者が、本明細書に開示される実施形態を理解するのを可能にするために選択された。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図8C】

【図9】

【図10】

【図11】