| 研究課題/領域番号 |
23K11126
|
|---|
| 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60090:高性能計算関連
|
|---|
| 研究機関 | 工学院大学 |
|---|
研究代表者 |
田中 輝雄 工学院大学, 情報学部, 教授 (90622837)
|
|---|
| 研究分担者 |
片桐 孝洋 名古屋大学, 情報基盤センター, 教授 (40345434)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2026年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 自動チューニング / 高性能計算 / パラメタチューニング / 並列計算 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
本研究は、自動チューニングにおけるユーザプログラムの性能を決める複数性能パラメタの最適な組合せの探索に関する。我々は、これまで多くの成果およびノウハウについて報告・発表している．本研究では、この成果をもとに、この複数の性能パラメタの最適組合せ探索機能のツール化を行う。
ツールとして、主に次の２つを目的とする。（１）実行時自動チューニングを可能とするために、チューニングに要する時間が無視できる軽量ツールとする。（２）特に、時間を要する機械学習における複数のハイパーパラメタ群の自動チューニングを可能とするために、スーパーコンピュータの多数のノードを同時に並列利用可能とする並列実行制御を実現する。
|
| 研究実績の概要 |
本研究の目的は、自動チューニングにおける複数の性能パラメタの最適な組合せの探索を行うツールの開発である。次の３つの計画を推進する。
[計画１]性能パラメタ最適化ツールの開発：(1)実行時自動チューニングを可能とする軽量ツールを開発する。(2)機械学習のハイパーパラメタチューニングを対象とし、スーパーコンピュータの環境での並列実行制御環境を開発する。[計画２]事例蓄積：ユーザプログラムを調査、入手し、実問題などの実例を積み上げてフィードバックを行うことにより、使い勝手の良いツールの開発を推進する。[計画３]ユーザへのβ版ツール提供とフィードバック：実際にユーザが使えるツールとするために、開発フェーズごとにβ版をユーザに提供し、実際に使用してもらうことにより使い勝手、課題を明確化し、フィードバックをかける。
2024年度は、[計画１](1)に対しては、DSICE（d-Spline Iterative Colliner Exploration）と呼ぶ軽量な性能パラメタ・チューニング・ツールを開発し、β版として公表した、(2)に対しては、いくつかの機械学習プログラムに適用し、効果を確認し、ツールの特性を確認し、課題の抽出ができた、[計画２]に対しては、コードレベルのAT対象を広げるため、気象系のシミュレーションコードの最新CPU最適化のためのループ分割における自動チューニング方式の提案を行った。加えて、代表的な機械学習アルゴリズムであるサポートベクターマシン（SVM）における組合せ最適化のための疑似量子アニーラの性能パラメタ最適化に関する基礎データを収集し、自動チューニングの効果検証を行った。[計画３]民間団体の講習会に招待され、演習付きの講習会を丸一日の日程で行い、企業のR&D担当者に自動チューニング技術と開発ツールについて、講義・演習を行なった。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
まず、主目的であるツール化については、ほぼ完成し、β版を公開できるところまできた。事例を積み上げることにより、その特性、適用可能範囲を明らかにした。新たな事例拡大としては、気象アプリケーションや機械学習アルゴリズムの展開を実現しており、予想以上の成果が上がったといえる。
|
| 今後の研究の推進方策 |
現状の研究を推進し、今後も事例を積み上げること、ツールの精度向上、使い勝手の向上を進め、実行時自動チューニングを可能とするための効率の良いAT方式の研究を進める。
|
