2020 Fiscal Year Research-status Report
Approximateネットワークによる高速性と計算精度の自動チューニング基盤
| Project/Area Number |
18K11285
|
|---|
| Research Institution | National Institute of Informatics |
|---|
Principal Investigator |
平澤 将一 国立情報学研究所, アーキテクチャ科学研究系, 特任研究員 (30436737)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | Approximateネットワーク / 自動チューニング手法 / 性能揺らぎ |
|---|
| Outline of Annual Research Achievements |
本研究では、ノイズ耐性の低い多値変調を用いることで広帯域を実現し、かつビット化けを訂正せずに放置することで低遅延を達成するApproximateネットワークの最適化基盤を探求している。
具体的には、Approximateネットワークを用いてアプリケーションを実行する環境において、正しく動作することを保証した上で高速に実行できるパラメータを発見する自動チューニング手法を提案している。自動チューニングにおける各試行には一般に性能揺らぎがあり、揺らぎを含む試行性能を使用してチューニング結果を決定すると、チューニング結果にも揺らぎが発生する。ここから必然的に、本来求めたい最適なパラメータセットを発見できない恐れが発生する問題が生じる。
実際NPBベンチマークのCGおよびFTにおいて、探索を打ち切るまで実行を行ったとしても手動で発見した最適化パラメータを発見する割合が高々40%程度となる場合が存在することを発見している。
本研究では、性能揺らぎの問題に対応するために、一定数の試行を行うことで標本平均を取得し、取得した標本平均を用いて、母平均を予測する区間推定を用いた探索手法を提案した。2個のパラメータセットによる実行性能の比較には、取得した標本値ではなく、複数回試行することで計算された信頼区間同士を用いて大小関係を決定する。
本年度においては、提案している最適化手法を用いてアプリケーションの最適化を行った結果について性能評価を行った結果、4アプリに対して平均で約26% の性能向上を得られることがわかり、以上の成果に関して、学会発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
当初計画の通り、提案する自動チューニング手法の研究開発を進めた結果、NPBベンチマークなど著名アプリに対して、性能揺らぎに対応できる探索手法を開発し、顕著な性能向上を得られた。
一方で、COVID-19の影響による遅延が生じており、補助事業期間の1年延長を行った。
|
| Strategy for Future Research Activity |
今後は、当初計画の通りに、開発した探索手法を自動チューニング基盤に統合する。
以上により、Approximateネットワークにおいて、アプリケーションが許容範囲内の精度で実行することを保証する極めて重要な技術である自動チューニング手法を完成させる．
|
| Causes of Carryover |
COVID-19対策により、学会への参加および成果発表のための旅費支出が減少し、また導入予定の機材納入に遅延が生じた。
令和3年度においては、最新の自動チューニング技術の情報収集のためにリモートでの国際学会参加を行い効率的に自動チューニング手法の評価作業を進め、また自動チューニング基盤の統合を行うために、導入が遅延した専用の探索システムとして大規模ストレージ装置と最適化探索装置を導入し、これらを使用して評価実験を完成させる。
|
