2023 Fiscal Year Annual Research Report
次世代の衛星科学観測を実現するオンボード機械学習システムの開発と科学解析への応用
| Project/Area Number |
22H01282
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Kanazawa University |
|---|
Principal Investigator |
松田 昇也 金沢大学, 電子情報通信学系, 准教授 (20772213)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
長谷川 達人 福井大学, 学術研究院工学系部門, 准教授 (10736862)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Keywords | 機械学習 / オンボードシステム / 科学衛星 / プラズマ波動 |
|---|
| Outline of Annual Research Achievements |
本研究では，来る10-20年の惑星探査計画のキー技術となり得る「人工知能技術搭載オンボードデータ処理装置」の開発に着手し，世界の先陣を切って衛星搭載に向けた技術獲得を目指している．特に，最先端デバイスの一つである動的再構成プロセッサ（DRP)を，世界で初めて衛星搭載プロセッサとして活用し，機械学習・推論の衛星機上実装による自動現象分類・抽出を実現する．当該年度は，前年度までに開発したDRP搭載ロジック評価ボードで動作させる小型・軽量な機械学習モデルの提案・評価を進め，実際にDRPロジック評価ボードに実装し，高精度な現象分類に向けた基礎検討を行った．Renesas Electronics社製RZ/V2Lマイコンでの機械学習モデルによる推論では，複数種の全結合型モデルおよび畳み込みニューラルネットワークモデルを用いて，従来の衛星搭載CPUによる推論と比較して100-1000倍程度高速に推論可能であることを示した．また，従来まで我々が検討してきたFPGAによる機械学習モデル実装の結果との比較検証を行い，推論速度がほぼ同等であることと，FPGAでは実装が困難であった深層学習モデルの実装や重みパラメータの多ビット表現が可能であることを示した．機械学習モデルによる推論動作中の電力利用効率についても実験を行い，衛星搭載可能な程度の電力消費量であることを確認した．モデルの重みパラメータを事後更新する方法についても検討を始めることができ，次年度は衛星-地上間通信を模擬した環境で実際の運用を見据えた検討を進めていく．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
計画当初に予定していた「DRP搭載ロジック評価ボードで動作させる小型・軽量な機械学習モデルの提案・評価」と「DRPロジック評価ボード上での動作試験」に加え，実際の衛星搭載に向けた電力利用効率の検証と重みパラメータの事後更新メカニズムの検討にも着手しており，当初の計画以上に進展している．
|
| Strategy for Future Research Activity |
具体的な科学観測データを用いた分類・識別性能の評価を進める．また，モデルの重みパラメータを事後更新する方法について，衛星-地上間通信を模擬した環境で実際の運用を見据えた検討を進める．
|
