モデル圧縮による高速化と精度保証の理論に関する研究

• Project/Area Number: 25K15267
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Nihon University
• Principal Investigator: 原 一之 日本大学, 生産工学部, 特任教授 (30311004)
• Co-Investigator(Kenkyū-buntansha): 日野 英逸 統計数理研究所, 先端データサイエンス研究系, 教授 (10580079)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2027: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2026: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2025: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
• Keywords: モデル圧縮 / 高速化 / 精度保証 / 理論解析 / 統計物理

Outline of Research at the Start

AI 技術の浸透のため、処理能力の十分でないエッジデバイスで高度な情報処理を現実的な時間で稼働させるというAI の社会実装問題が発生している。
本研究では、複雑度の高い学習済みモデルを複雑度の低いモデルに圧縮するとともに、複雑度の高いモデルが保有していた、知識と高い精度を保証する手法である、モデル圧縮の理論解析を行うことを目的とする。特に生徒という学習モデルと同じ構造をした真の教師というモデルを導入することで、系統的な誤差解析を可能とする。モデル圧縮の理論研究を通して社会実装の遅れの改善を目指す。