| 研究課題/領域番号 |
19K11909
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60050:ソフトウェア関連
|
|---|
| 研究機関 | 東京理科大学 |
|---|
研究代表者 |
滝本 宗宏 東京理科大学, 理工学部情報科学科, 教授 (00318205)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2019年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 帰納論理プログラミング / Progol / GPU / RDBMS / SQL / 群知能 / 粒子群最適化 / PSO / 人工知能 / A*アルゴリズム / コンパイラ / コード最適化 / カーネルフュージョン / ILP / Datalog / 並列化 / 被覆 / 正例 / 負例 |
|---|
| 研究開始時の研究の概要 |
本研究は，ILPが仮説を探索する際に生成する多くの仮説候補が，訓練データを満たすかどうか検証されることに着目し，まず，この検証過程をGPU によって高速化する．この検証の過程は，訓練データに含まれる正例が背景知識と仮説候補によって導出でき，負例が導出できないことを確認する点で，論理型言語の実行過程と同じであるので，論理型言語の実行をGPU 上で実現することによって，仮説の検証過程を高速化する．
|
| 研究成果の概要 |
説明可能AIの一つである帰納論理プログラミング（ILP）は，正例と負例からなる訓練データからその訓練データを説明する仮説を探索する．仮説の探索過程では，候補仮説を生成し，正例を導出し，負例を導出しないか検査することを繰り返す．本研究では，この検査をSQLに変換し，GPU上のRDBMSで並列実行することを実現した．また，複数の候補仮説をまとめて検査することによって，RDBMS実行のオーバヘッドを低減し，6倍の高速化に成功した．さらに，仮説探索をメタヒューリスティクスである群知能の一種である粒子群最適化（PSO）で行う手法を実現し，２倍の高速化を実現した．
|
| 研究成果の学術的意義や社会的意義 |
現在広く利用されているAIの深層学習は，学習内容がわからないために，分析ツールとして利用することは困難である．これに対して，ILPは，その学習内容を完璧に説明でき,新しいサンプルに対する推論も，推論過程を確認することができる．本研究は，説明可能AIであるILPを，並列化とメタヒューリスティクス化によって高速化し，ビックデータに適用できるようにした．今後，本AIシステムを，がんの臨床データと遺伝子データに適用することによって，予後や再発予想を行えるモデルを作成する予定である．
|
