| 研究課題/領域番号 |
20K19823
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 神戸大学 |
|---|
研究代表者 |
|
|---|
| 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 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2021年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2020年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | Deep Learning 4 science / Computational Efficiency / Computer Vision / ConvNets / Computation optimization / Deep Learning / Non-Convex Optimization / 計算の最適化 |
|---|
| 研究開始時の研究の概要 |
Recent advances in neural networks technologies are empowering new scientific discoveries in various fields from physics to biology. However, neural networks are difficult to build so that most of these advances have been done by big technological companies such as Google or Facebook. In order to make these advances accessible to academic and industrial actors in Japan, we will try to decrease the cost of building such neural networks.
|
| 研究成果の概要 |
この研究では、様々な科学的およびエンジニアリングの問題に対応するために新たなアルゴリズムを開発しました。
深層学習モデルの計算コストを改善する方法を考案しました。アルゴリズムの効果を示すために、神経科学、生物多様性監視、材料科学の分野を跨いだ幅広い科学的応用例でそれらをベンチマークしました。
計算効率の具体的な改善だけでなく、本研究では研究は、異分野間の協力と革新のための新たな道を開いています：イスラエルのスタートアップが視覚モデルのプロトタイプ開発に本研究の成果を使用し、パリ天文台とのパートナーシップで、水資源管理と持続可能性の理解を深めるための効率的な水文学的モデルを開発してきました。
|
| 研究成果の学術的意義や社会的意義 |
深層学習は、現行の技術では手が届かないとされていた技術的な課題への解決策を開いてきましたが大量の計算力と高額なインフラが必要となるため、技術の開発と応用は大規模な技術機関内に大きく集中しています。したがって、計算効率を改善し、その応用の利益を広範囲の人々に広げることが必要となっています。本研究では、限定的な計算力で展開できる技術を開発し、その適用性を複数の実用的な科学的な応用例を通じて示しました。
|
