研究課題/領域番号 |
23K20377
|
補助金の研究課題番号 |
20H04154 (2020-2023)
|
研究種目 |
基盤研究(B)
|
配分区分 | 基金 (2024) 補助金 (2020-2023) |
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 | 東京工業大学 |
研究代表者 |
原 祐子 東京工業大学, 工学院, 准教授 (20640999)
|
研究期間 (年度) |
2020-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2024年度)
|
配分額 *注記 |
17,420千円 (直接経費: 13,400千円、間接経費: 4,020千円)
2024年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2023年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2022年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2021年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2020年度: 3,510千円 (直接経費: 2,700千円、間接経費: 810千円)
|
キーワード | 近似計算 / 乱数生成器 / 組込みシステム / Internet of Things (IoT) / 組み込みシステム / Approximate Computing |
研究開始時の研究の概要 |
Internet of Things (IoT) デバイスの発展に伴い、益々膨大なデータが生成される中、IoT/組込みシステム上で即時にデータ処理するエッジコンピューティング技術の確立は、学術研究発展・市場開拓にとって喫緊の課題である。IoTアプリケーションの多くは、多少の計算誤差を許容可能な特徴があり、近似計算という新しいデータ処理技術は、上記の課題の大きなブレークスルーになる。本研究は、IoTアプリケーションを適切に近似計算するための基礎技術を確立し、近似計算の学術基盤と効率的な利活用技術を確立する。
|
研究実績の概要 |
Internet of Things (IoT) デバイスの発展に伴い、益々膨大なデータが生成される中、IoT/組込みシステム上で即時にデータ処理するエッジコンピューティング技術の確立は、学術研究発展・市場開拓にとって喫緊の課題である。IoTアプリケーションの多くは、多少の計算誤差を許容可能な特徴があり、近似計算という新しいデータ処理技術は、上記の課題の大きなブレークスルーになる。本研究は、IoTアプリケーションを適切に近似計算するための基礎技術を確立する。特に「どの程度」と「どのぐらいの頻度で」という2つの大きな問いに答えるため、近似計算の学術基盤と効率的な利活用技術を確立する。研究代表者は、前年度、これまでの研究成果によって得られた知見を有効活用するAC手法を整理し、不足する部分については新たなAC手法の開発を行った。特に、効率的なプログラム解析を実現するため、Graph Neural Networkを取り入れる方法に着手した。 本年度は、前年度に引き続き、Graph Neural Networkを用いたプログラム解析手法の実装を進めた。具体的には、ある制約の下で、最も類似性の高いプログラムを部分的に抽出する手法に取り組んだ。さらに、実用的なアプリケーション(様々な方式の機械学習および暗号システムの乱数生成器等)に対してデータ及びアルゴリズム由来の近似化耐性および近似化の影響(ハードウェアコスト)の調査・評価を行った。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
Graph Neural Networkを取り入れた画期的なプログラムの解析手法の実装を進めた。また、暗号システムのプリミティブなコンポーネントである乱数生成器に対して、近似計算を応用する画期的な実装方法に取り組み、問題点や知見を明らかにした。
|
今後の研究の推進方策 |
更に最先端の乱数生成器を対象に、近似化耐性の調査・評価を行う。さらに、最終年度は本研究期間中に試行した様々なアプリケーションへのソフトウェアおよびハードウェアのAC手法に関する問題と知見を整理する。
|