| 研究課題/領域番号 |
20K19791
|
|---|
| 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 | 近畿大学 |
|---|
研究代表者 |
水谷 后宏 近畿大学, 情報学部, 准教授 (40845939)
|
|---|
| 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 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2022年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 広域分散コンピューティング / 分散学習 / 分散ニューラルネットワーク / ネットワーク管理 / 情報ネットワーク / オーバレイネットワーク / 構造化オーバレイネットワーク / P2P / サーバ連携 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
本研究では，大規模なニューラルネットワークを膨大な数のサーバにて自律的かつ永続的に管理をしつつ，学習の規模拡張性を向上させる分散サーバ連携技術を創出することを目的とする．具体的には，ニューラルネットワークの構成に応じて，自律的にニューラルネットワーク上の計算タスク等をどのサーバに割り当てるかを決定する手法，およびサーバの追加や故障に応じて，サーバ間で計算結果を委譲・復元する手法の確立を目指す．
|
| 研究成果の概要 |
本研究は，自律的なニューラルネットワークの分散実行基盤を実現するための基盤技術を創出し，多数のサーバから構成される分散実行環境の確立を目指した．具体的には，学習サーバの分散連携を可能にする構造化オーバレイ技術を用いて，故障対応の高速化を実現した．また，分散環境下での連合学習の実現に向けて，連合学習の同時実行性を考慮したサーバ管理手法を検討し，多様な階層関係を持つ連合学習要求を調停するアルゴリズムを実装し，その有効性を検証した．さらに，分散実行基盤内で発生するトラフィックの効率的な推定方法や，それらの知的制御アルゴリズムを通して，コストの低い基盤構築技術の確立も行った．
|
| 研究成果の学術的意義や社会的意義 |
本研究では，自律的なニューラルネットワークの分散実行基盤の構築において，学習・推論の永続的な実行をサポートするサーバ連携技術および学習状況の管理手法の提案を行った．サーバ連携技術では，構造化オーバレイ技術を活用し，基盤内で発生するサーバの故障対応を高速化する手法を創出した．学習状況の管理手法については，連合学習フレームワーク上で学習・推論の円滑な同時実行を実現する技術を開発した．さらに，分散実行基盤内で発生するデータの制御・解析に関する技術の創出も行った．これらの技術は，当該研究分野において重要な貢献を果たしており，今後のさらなる研究や実用化の基盤となると考えられる．
|
