| 研究課題/領域番号 |
20K11735
|
|---|
| 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60040:計算機システム関連
|
|---|
| 研究機関 | 広島大学 |
|---|
研究代表者 |
伊藤 靖朗 広島大学, 先進理工系科学研究科(工), 教授 (40397964)
|
|---|
| 研究分担者 |
中野 浩嗣 広島大学, 先進理工系科学研究科(工), 教授 (30281075)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 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)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2020年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
|
|---|
| キーワード | 並列計算 / GPU / 機械学習 / 回路シミュレーション / 超並列 / ネットワークプールーニング |
|---|
| 研究開始時の研究の概要 |
本研究課題では，大量の入力に対する機械学習計算を同時に行うGPU向けの超並列計算手法を提案する．具体的には，ハードウェアで機械学習計算を実行するハードウェアアルゴリズムとGPU上で回路シミュレーションをビットレベルで同時に行うビットレベル並列計算手法を組み合わせて，超並列計算を実現し，機械学習計算の高速化を図る．
|
| 研究成果の概要 |
回路を用いた機械学習計算ではビットレベルの演算を行う手法が提案され,認識精度の低下を抑えることにより高速でかつ高精度な計算を実現している．本研究では,超並列計算のアイデアを用いた機械学習計算の高速化を目指し,回路シミュレーションとビット並列化を組み合わせた手法を提案した.具体的な成果として畳み込みニューラルネットワークを対象に,逐次計算に比べて最大300倍の高速化を実現した．さらに，ネットワークモデルの圧縮も行い，さらなる実行時間の削減を目指した．この手法は既存のネットワーク圧縮手法と比べて精度低下を抑えつつ高い圧縮率を達成しており，実行時間の大幅な削減が可能であることを示した．
|
| 研究成果の学術的意義や社会的意義 |
本研究は機械学習計算の高速化において、新たなアプローチとして回路シミュレーションとビット並列化を組み合わせた手法を提案した．従来のソフトウェアアプローチによる高速化手法とは異なる視点から，計算の高スループット化を実現した．さらに，ネットワークモデルの圧縮により，実行時間の削減という観点からも新たな機械学習計算の高速化手法の提案を行った．機械学習は現代社会において重要な役割を果たしている一方，その高い性能を実現するためには大量の計算リソースが要求される．本研究の成果により，既存のGPUをより効率的な利用が可能となり様々な分野での研究や実用化が進むことが期待される．
|
