1．は　じ　め　に

　ディープラーニングニューラルネットワーク（DLNN）がAIの代名詞と言えるほど脚光を浴びている．しかし，DLNNはAIの一手法であり，ほかにも様々な技術が存在する．本稿の前半では，DLNNと同様に脳のモデルから出発したAIの一手法である自己組織化マップ（SOM: Self-Organizing Map）⁽¹⁾について解説する．

　SOMもDLNNと同様，そのサイズが大きくなると計算時間が増大する．本稿の後半では，FPGA（Field Programmable Gate Array）を用いたSOMの高速化のための専用ハードウェアの一例を紹介する．そして，SOMの応用例として打音検査システムへの適用事例を紹介する．

2．自己組織化マップ（SOM）

　SOMは大脳にある視覚野をモデルにしており，1980年代にフィンランドのTeuvo Kohonen（当時，フィンランド大学）によって提案された．図1にその概略を示す．大脳視覚野は，ニューロン（神経細胞）が二次元に広がった単純な面構造としてモデル化できる．そして，目から入ってきた画像情報に対して，大脳視覚野内の特定のニューロンが反応することによって画像情報を認識する．例えば，白くて丸い形状が視野に入ったら，白丸に対応するニューロンが反応する．また，黒くて四角い形状が入ったら，黒四角に対応する別のニューロンが反応する．