各種チップの特徴は？ 市場にはどんなチップが出回っているの？
最近台頭してきてるTinyMLでは何ができるのか？
自動運転やアルファ碁にはどのようにチップが適用されているの？
ニューロチップの誕生から実装のポイント、チップ設計の勘所、各種チップの性能や特徴、市場トレンドまで、
ＡＩ技術の高度化を支えるニューロチップ・ＡＩ半導体チップについて解説します。
▼第一部：基礎
１．ニューロチップ誕生まで
1.1 20世紀：ニューロンモデル、ニューロモルフィック
1.2 21世紀：アルゴリズム、ニューロチップ（サーバ、エッジ）
２．ニューロチップ実装のポイント
2.1 情報の種類と入力次元数
2.2 アルゴリズム・モデルの発展とパラメータ/メモリ容量
３．MAC回路とその演算性能指標
3.1 MAC回路構成（演算素子/ユニット/全結合層）
3.2 学習と推論の実装の差
▼第二部：詳細(技術）
４．スピード重視のサーバ用ニューロチップ
4.1 チップ詳細（TPU-v2/3, A-100, Cerebra, IPU)
4.2 データ/モデル 並列
５．高効率追求型のエッジ用AI
5.1 量子化、スパース （LUT, Log, Pruning/Eyeriss, DNPU,EIE--)
5.2 データフロー （IS-RS-OS-WS, CB/Eyeriss, Flex・・・）
5.3 学習（エッジ）用チップ(LNZBP, Ternary BP)
６．究極の性能を狙うCIM (Computing in memory)
6.1 CIM (SRAM) ・・・Ternary/Binary 技術
6.2 nv_CIM(NVMM)・・・ReRAM/PCM
▼第三部：詳細（市場）
７．市場トレンドと台頭著しいTinyML
7.1 ニューロチップ市場トレンド（High End, Mid, Low/Tiny)
7.2 TinyML(CIM型、TensorFlow-L型、ニューロモルフィック型）
８．アプリケーションへのチップ運用
8.1 CNN：自動運転(End to End learning)、RNN：自動翻訳
8.2 深層強化学習：アルファ碁
▼第四部：展開
９．ブレークスルーを狙うニューロモルフィック工学
9.1 スパイキングニューラルネットワーク(SNN, TrueNorth/Loihi)
9.2 最新注目技術動向：リザバーコンピューティング
１０．今後の技術動向と纏め
□質疑応答□