2018 Fiscal Year Annual Research Report
Development of Next Generation Spectrometer for Radio Telescope
| Project/Area Number |
15H05304
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
中原 啓貴 東京工業大学, 工学院, 准教授 (20624414)
|
|---|
| Project Period (FY) |
2015-04-01 – 2019-03-31
|
| Keywords | 電波天文 / 分光器 / Radio Telescope / FPGA / Spectrometer / Deep Learning / 深層学習 |
|---|
| Outline of Annual Research Achievements |
電波望遠鏡で受信する天体からの電波は弱いので, 積算処理は数分から数時間行っている. つまり, ノイズを除去する時間が支配的である. Xilinx社の合成ツールであるVivado 2014.3を用いた計算機上での仮設計の結果, CASPERで公開している分光器と比較してFPGAの組込みメモリ量を92.3％, LUT数を33％削減する事ができた. その結果, 帯域を12.5倍拡大でき, 分解能を128倍増やす事ができることを予備実験で確認した.
RNSとはNビットの信号をL組の整数のベクトル{m1,m2,...,mL}に対する剰余で表現するシステムである. RNSを用いる事により, 各桁で独立して加減乗算を行える. 即ち, FFT計算の入力データをL個に分割することができる. Xilinx社の合成ツールであるVivado 2014.3を用いた計算機上での仮設計の結果, Xilinx社FFT IPと比較してFPGAのLUT数を42％削減する事ができ, 高分解能なFFTを実装できる事を確認した.
2015年に剰余数系を発展したネスト式剰余数系に基づくCNN、2016年に世界初となる2値CNN, 2017年にグローバルプーリングを用いた中間フル結合層除去CNNとフルパイプライン化CNNによる物体認識, 2018年に混合精度型CNNの専用ハードウェア化をFPGA上に実現してきた。これらはカスタムCNNを学習するための専用学習方式を含む。特に、2018年にFPGAのトップ国際会議であるISFPGA2018において、深層学習のセッションで日本人初のフルペーパー採録され、国際的に評価された。これらの手法を電波天文観測の識別で用いられているAstroNet-K2に適用し, Xilinx社Virtex7 VC707 FPGAボード上に実現可能なサイズまで削減することに成功した。
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
