| 研究課題/領域番号 |
20K19788
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60060:情報ネットワーク関連
|
|---|
| 研究機関 | 国立情報学研究所 (2021-2023)
北陸先端科学技術大学院大学 (2020) |
|---|
研究代表者 |
河野 隆太 国立情報学研究所, アーキテクチャ科学研究系, 特任助教 (90855751)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2020年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
|---|
| キーワード | 相互結合網 / 大規模分散深層学習 / ビッグデータ / In-Network Computing / データセンタ |
|---|
| 研究開始時の研究の概要 |
大規模AIの実用化に向け、深層学習のビッグデータへの適用が喫緊の課題となっている。その解決策として、データセンタ内にドメイン特化型アーキテクチャと呼ばれる演算機構を分散配置し、学習を行うシステムが有望とされているが、従来のデータセンタ向けネットワークでは、遅延などの通信性能の制約により、大規模分散深層学習の高速化が困難である。
本研究では、ネットワーク上で演算の中間処理を行うIn-Network Computingに着目し、低遅延・低頻度の通信と、従来のネットワーク同様の高帯域性・拡張性を両立可能な、Indirect Random Topologyに基づくスイッチ間ネットワークを実装する。
|
| 研究成果の概要 |
大規模AIの実用化に向け、深層学習のビッグデータへの適用が喫緊の課題となっている。その解決策として、データセンタ内にドメイン特化型アーキテクチャと呼ばれる演算機構を分散配置し、学習を行うシステムが有望とされているが、従来のデータセンタ向けネットワークでは、遅延などの通信性能の制約により、大規模分散深層学習の高速化が困難である。
本研究では、ネットワーク上で演算の中間処理を行うIn-Network Computingに着目し、低遅延・低頻度の通信と、従来のネットワーク同様の高帯域性・拡張性を両立可能なスイッチ間ネットワークの実用化に向けた諸課題の解決を行った。
|
| 研究成果の学術的意義や社会的意義 |
本研究で提案する相互結合システムでは、高性能計算システム向けに培われた超低遅延ネットワーク技術の1つであるRandom Topologyをデータセンタ向けに取り入れることにより、近年普及の進むIn-Network Computing技術に対し最適化した。すなわち、スイッチ間ネットワークとそれに基づく分散深層学習向けマッピングアルゴリズムにTreeベースの物理・論理トポロジを用いるという従来のシステム設計論を覆し、従来システムと同等以上の高帯域・高拡張性を保証し、既存システムとの親和性を図った。
こうした研究成果をOSSとして公開し、提案システムの実用化を推進し、社会需要に応えた。
|
