2022 Fiscal Year Annual Research Report
Fundamental Technologies of Efficient Analysis and Design for Approximate Computing-based Embedded Systems
Project/Area Number |
20H04154
|
Allocation Type | Single-year Grants |
Research Institution | Tokyo Institute of Technology |
Principal Investigator |
原 祐子 東京工業大学, 工学院, 准教授 (20640999)
|
Project Period (FY) |
2020-04-01 – 2025-03-31
|
Keywords | 近似計算 / 組込みシステム |
Outline of Annual Research Achievements |
Internet of Things (IoT) デバイスの発展に伴い、益々膨大なデータが生成される中、IoT/組込みシステム上で即時にデータ処理するエッジコンピューティング技術の確立は、学術研究発展・市場開拓にとって喫緊の課題である。IoTアプリケーションの多くは、多少の計算誤差を許容可能な特徴があり、近似計算という新しいデータ処理技術は、上記の課題の大きなブレークスルーになる。本研究は、IoTアプリケーションを適切に近似計算するための基礎技術を確立する。特に「どの程度」と「どのぐらいの頻度で」という2つの大きな問いに答えるため、近似計算の学術基盤と効率的な利活用技術を確立する。研究代表者は、前年度、これまでの研究成果によって得られた知見を有効活用するAC手法を整理し、不足する部分については新たなAC手法の開発を行った。特に、IoTエッジコンピューティングで必要不可欠な分散処理を取り入れることで、通信負荷を抑える手法を取り入れた。 本年度は、より効率的な解析を実現するため、プログラムの解析に適したGraph Neural Network (GNN) を取り入れる方法に着手した。プログラム構成(アルゴリズム)の特徴の抽出とデータを切り離して扱え、かつ、未知のプログラムに対しても適用できるため、汎用性が高い。また、前年度に引き続き、アプリケーションをより実用的な規模・複雑さのものに置き換え、引き続きデータ及びアルゴリズム由来の近似化耐性の調査・評価を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
Graph Neural Networkを取り入れた画期的なプログラムの解析手法について、調査・検討を進めた。また、ヘルスケアやネットワークのパケットルーティング制御等などの具体的なアプリケーションへ近似計算を適用するケーススタディを通して、近似計算手法適用のための解析モデルを構築する上での問題点や知見を明らかにした。
|
Strategy for Future Research Activity |
Graph Neural Networkを応用したプログラムの解析手法の実装を進める。そして、ソフトウェア及びハードウェアにおけるAC手法の最適な組み合わせ探索を行う機械学習エンジンを構築する方向性に応用展開する。また、今年度に引き続き、実用的な規模・複雑さのアプリケーションに対して、データ及びアルゴリズム由来の近似化耐性の調査・評価を行う。
|