自己適応型エッジAIオンライン学習基盤の創出

• Project/Area Number: 24K02911
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60040:Computer system-related; Basic Section 60090:High performance computing-related; Sections That Are Subject to Joint Review: Basic Section60040:Computer system-related , Basic Section60090:High performance computing-related
• Research Institution: Tokyo Institute of Technology
• Principal Investigator: CHU ThiemVan 東京工業大学, 科学技術創成研究院, 助教 (80838235)
• Project Period (FY): 2024-04-01 – 2029-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,720,000 (Direct Cost: ¥14,400,000、Indirect Cost: ¥4,320,000); Fiscal Year 2028: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2027: ¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000); Fiscal Year 2026: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000); Fiscal Year 2024: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
• Keywords: エッジAI / オンライン学習 / AIハードウェア

Outline of Research at the Start

本研究では，エッジコンピューティングに適合した機械学習技術，決定木アンサンブルに焦点を当て，エッジデバイス上でのオンライン学習を実現するアルゴリズムとアーキテクチャの提案を行う．デバイス上での継続的に変化するラベルなしデータを自律的に学習・適応するために，対照学習に基づく学習方法を構想する．更に，各特徴量を複数のバイナリ特徴量に分解するアプローチで，決定木の学習タスクを簡単化する方法を研究開発して，エッジデバイスの限られた計算資源と厳しい電力制約で学習を可能とすることを狙う．これらの方法を統合することで，自己適応型エッジAIのオンライン学習基盤技術の構築を目指す．