用語集と参考文献

この用語集は、eFabric™ エコシステムに統合された、データサイエンス、シリコンアーキテクチャ、デジタル信号処理にまたがる多分野の概念に対する標準化された参照資料です。

A. アーキテクチャとハードウェアの用語

Always-On（常時監視）: 高電力アプリケーションプロセッサがディープスリープ状態を維持しながら、特定の環境トリガー（音響、運動、視覚）に対してデバイスが感知し続ける連続監視状態。
At-Memory Compute（メモリ内演算）: メモリとロジックゲートを単一の物理ファブリックに統合し、従来のフォン・ノイマンアーキテクチャに存在するデータ移動の「エネルギーコスト」を排除するハードウェアパラダイム。
Deterministic Inference（決定論的推論）: ニューラルネットワーク処理が固定した予測可能な時間窓内で行われることを保証するシステム特性。リアルタイム安全および産業用トリガーにとって重要。 -eFabric™: 生データの取り込みからハードウェアネイティブなデプロイメントまで、MLライフサイクル全体を管理するために設計された統合機械学習ファクトリーおよびソフトウェアからシリコンへのプラットフォーム。
Neural Decision Processor（NDP / ニューラル決定プロセッサ）: マイクロワットスケールでディープニューラルネットワークをネイティブに実行するために特別に設計された超低電力半導体の一種。
Silicon-Native Execution（シリコンネイティブ実行）: ニューラルネットワークの計算グラフをソフトウェアインタープリタやCPUを介さず、直接ハードウェアロジックゲートにマッピングするプロセス。
TML120: NDPとオンボードフラッシュメモリおよびデジタルインターフェースを統合した、量産対応のシステムオンモジュール（SOM）。迅速なプロトタイピングとデプロイメントのための検証済み「エッジブレイン」を提供する。

B. 数学と機械学習の用語

Activation Function（活性化関数）: ニューロンの出力に適用される数学関数（ReLUやSigmoidなど）。信号がネットワークを通じて前方へ伝達されるかどうか、またその強度を決定する。
Backpropagation（バックプロパゲーション）: 訓練フェーズで計算された誤差（損失）に基づいて重みとバイアスを調整し、モデルがパターンを「学習」できるようにする基本アルゴリズム。
Confidence Threshold（信頼度閾値）T: 推論確率スコアがシステムアクションをトリガーするために満たすか超える必要のある、ソフトウェアで定義されたゲート（通常0から1の間）。
Convolutional Neural Network（CNN / 畳み込みニューラルネットワーク）: 音声イベントや物理振動の特定の「形状」を識別するなど、空間的・時間的パターン認識に最適化されたディープラーニングアーキテクチャ。
Gated Recurrent Unit（GRU / ゲート付き回帰ユニット）: 内部ゲートを使用して時間経過とともに情報を記憶・忘却する特殊な再帰型ニューラルネットワーク（RNN）。ジェスチャーや赤ちゃんの泣き声などの逐次イベントに最適。 -Inference（推論）: 訓練・量子化されたモデルがチップ上でローカルに新しい未見データを処理し、分類またはトリガーを生成する「ライブ」実行フェーズ。 -Quantization-Aware Training（QAT / 量子化対応訓練）: 学習フェーズ中に低ビット精度の効果をシミュレートし、モデルが8ビットハードウェア上で最大精度を発揮するために重みを適応させる訓練方法論。 -Weights and Biases（重みとバイアス）: ニューラルネットワークの内部パラメータ。重みはニューロン間の接続強度を決定し、バイアスはモデルが検出閾値をシフトできるようにする。

C. データエンジニアリングと信号処理の用語

Aliasing（エイリアシング）: サンプリングレートが低すぎて高周波成分を捉えられない場合に発生する信号歪み。誤トリガーを引き起こす可能性のある「ファントム」データをもたらす。
Fast Fourier Transform（FFT / 高速フーリエ変換）: 時間領域信号（波形）をその構成周波数に分解し、スペクトル解析を可能にする数学的アルゴリズム。
Hamming Window（ハミング窓）: 生データフレームに適用し、遷移を滑らかにして周波数解析中の「スペクトル漏洩」を最小化する関数。
Log-Mel Spectrogram（ログメルスペクトログラム）: 周波数を人間中心のメルスケールにマッピングし、強度に対数スケーリングを適用した音の2次元視覚表現。音声モデルの「音の視覚」として機能する。 -Nyquist Rate（ナイキストレート）: 信号を正確に表現するために必要な最小サンプリング周波数。入力に存在する最高周波数の2倍として定義される。
Signal-to-Noise Ratio（SNR / 信号対雑音比）: ターゲット信号（例：キーワード）の強度とバックグラウンドの干渉との比較測定値。15dBがクリーンな訓練データの専門的なベンチマーク。
Weight Pruning（重みプルーニング）: 不必要または「ほぼゼロ」のニューラル接続を除去してモデルのメモリフットプリントを削減する最適化技術。性能を犠牲にしない。

D. 検証と信頼性のメトリクス

Equal Error Rate（EER / 等エラー率）: 偽受理率と偽拒否率が同一となる特定のバランスポイント。モデルの堅牢性の普遍的なベンチマークとして使用される。
False Acceptance Rate（FAR / 偽受理率）: 「過感度」の測定値。システムがノイズや非ターゲットイベントをマッチとして誤って識別する頻度を定量化する（偽陽性）。
False Rejection Rate（FRR / 偽拒否率）: 「感度不足」の測定値。システムが本物のターゲットイベントの検出に失敗する頻度を定量化する（偽陰性）。
F1-Score（F1スコア）: PrecisionとRecallの調和平均。「不均衡な」実世界環境にデプロイされたモデルを評価するための単一メトリクスを提供する。