偏在計算資源の活用による巨大モデルに対する連合学習・連合アンラーニング技術の確立

• Project/Area Number: 24K02932
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60060:Information network-related
• Research Institution: The University of Aizu
• Principal Investigator: 李 鵬 (李鵬) 会津大学, コンピュータ理工学部, 上級准教授 (30735915)
• Co-Investigator(Kenkyū-buntansha): Ben.A Abderazek 会津大学, コンピュータ理工学部, 教授 (40468137) ; 櫻井 幸一 九州大学, システム情報科学研究院, 教授 (60264066) ; 策力 木格 電気通信大学, 大学院情報理工学研究科, 教授 (90596230)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥18,590,000 (Direct Cost: ¥14,300,000、Indirect Cost: ¥4,290,000); Fiscal Year 2026: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000); Fiscal Year 2025: ¥6,760,000 (Direct Cost: ¥5,200,000、Indirect Cost: ¥1,560,000); Fiscal Year 2024: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
• Keywords: 巨大AIモデル / 連合学習 / 連合アンラーニング

Outline of Research at the Start

本研究では、さまざまな所に偏在するデータと計算資源を活用し、巨大AIモデルの連合学習 (Federated Learning)を効率的に実行可能とする技術の研究開発することである。元の巨大AIモデルを多数の小型「専門家」モデルに再構築し、それぞれのデイバスが特定のデータに対して最適化される専門家モデルの連合学習技術を確立する。さらに、特定のデータをモデルから「忘れる」権利を保障するために、巨大モデルの連 合アンラーニング(Federated Unlearning)を研究する。