| 研究課題/領域番号 |
16K00116
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトウェア
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
中田 秀基 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究主幹 (80357631)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2016年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 分散計算 / 機械学習 / ディープラーニング / 並列計算 / 並列システム / 分散システム / 強化学習 / 分散ファイルシステム / ネットワーク構成 / 耐故障性 / IoT |
|---|
| 研究成果の概要 |
大規模機械学習システムの構築に向けて、1) 大規模分散システムの構築方法、2) 大規模化した際の機械学習手法への影響、3) 機械学習アプリケーション、の3つのコンテクストで並列して研究を進めた。
1) 構築方法に関しては、シミュレータを用いてネットワーク構成と分散実装手法の関連を研究し、比較的プアなネットワークでも十分であることを定量的に示した。2) 大規模化した際の機械学習への影響については、独自に新たなシミュレータを開発して検討を行い、学習率の調整が重要であることを示した。3) 機械学習アプリケーションとしては、強化学習と画像生成の研究を進め、それぞれ成果を得た。
|
| 研究成果の学術的意義や社会的意義 |
ディープラーニングに代表される機械学習技術が広く普及しつつあるが、これらは大量の計算を伴うため並列分散化して実行することが非常に重要である。われわれは、大規模な並列分散機械学習システムを構成する方法に取り組み、このような計算システムを比較的安価かつ効率的に運用するために必要とされるハードウェアの構成を検討し、比較的安価なネットワークでも十分な性能が得られることを示した。さらに、パラメータを調整することで大規模に並列化しても計算の収束に影響しないように制御することが可能であることを示した。
|
