超高次元分散ベクトル表現を基軸とする融合型AIコンピューティング基盤の開拓

2023 Fiscal Year Comments on the Screening Results

• Project/Area Number: 23H05489
• Research Category: Grant-in-Aid for Scientific Research (S)
• Allocation Type: Single-year Grants
• Review Section: Broad Section J
• Research Institution: Institute of Science Tokyo
• Principal Investigator: 本村 真人 東京科学大学, 総合研究院, 教授 (90574286)
• Co-Investigator(Kenkyū-buntansha): 安戸 僚汰 京都大学, 情報学研究科, 助教 (00846941) ; 安藤 洸太 北海道大学, 情報科学研究院, 准教授 (20855324) ; CHU ThiemVan 東京科学大学, 工学院, 准教授 (80838235) ; 川村 一志 早稲田大学, 理工学術院, 専任講師 (70803229)
• Project Period (FY): 2023-04-12 – 2028-03-31

Summary of the Research Project

本研究は、深層ニューラルネットワーク（DNN）の重みをランダムに与えて重みに対するマスキングを学習する隠れ部分ニューラルネットワーク(HNN)の学習にアニーリング計算（ANC）を用いることができ、この計算がハイパーベクトル（HV)集合を対象とする組合せ最適化問題であるという洞察から出発し、HV集合を用いた学習・推論手法である超高次元コンピューティング（HDC)について、HNNやANCを用いて刷新し、共通の計算モデルと計算機構を構築しようとする研究である。

Scientific Significance and Expected Research Achievements

強い宝くじ理論に基づくHNNの学習にANCを用いることは独創的であり、これら技術を用いてHDC技術の刷新を行うことにより深層学習全般に与えるインパクトは大きい。また、このためのハードウェアの作成は、組み込み系DNNにおける推論の消費時間や電力の低下につながり、社会的な意義も大きい。