| 研究課題/領域番号 |
18H03248
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60090:高性能計算関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
横田 理央 東京工業大学, 学術国際情報センター, 准教授 (20760573)
|
|---|
| 研究分担者 |
大島 聡史 名古屋大学, 情報基盤センター, 准教授 (40570081)
伊田 明弘 東京大学, 情報基盤センター, 特任准教授 (80742121)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
16,900千円 (直接経費: 13,000千円、間接経費: 3,900千円)
2020年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2019年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2018年度: 8,710千円 (直接経費: 6,700千円、間接経費: 2,010千円)
|
|---|
| キーワード | 機械学習向けプロセッサ / 階層的低ランク近似法 / TensorCore / 高性能計算 / H行列 / 低精度演算 / テンソルコア / FPGA / Tensor Core / 機械学習向けハードウェア |
|---|
| 研究成果の概要 |
計算機ハードウェアの潮流はこの１０年続いてきた汎用アクセラレータの流れから，機械学習向けプロセッサと流れが変わりつつある．本研究では，機械学習向けプロセッサの得意とする低精度演算やテンソル積と親和性の高い階層的低ランク近似法に焦点をあて，次世代のハードウェアに適した線形代数ライブラリの構築を目的とする．2018年度にはテンソル積に適したデータ構造に変えるため，batched MAGMAを用いたH行列のライブラリを開発した． 2019年度にはTensorCoreを用いてH 行列の内部カーネルを高速化した．2020年度にはTensorCoreをもちいる際の精度保証と省電力の機能を追加した．
|
| 研究成果の学術的意義や社会的意義 |
最近のコンピュータは人工知能が高速に動作するように特化しているが，環境，医療，量子，材料などの重点分野で用いられる科学技術計算をこのようなコンピュータ上でいかに高速に動作させるかは大きな課題である．本研究で提案する手法を用いることで，人工知能だけでなく，その他の多くの分野で行なう計算を次世代のコンピュータ上で高速に実行できるようになる．これから量産される高性能な人工知能専用計算機を汎用的な用途で用いることができれば，環境，医療，量子，材料の分野がますます発展することが予想される．
|
