スケーラブルな超大規模長期時系列グラフニューラルネットワークの研究

• 研究課題/領域番号: 23K28098
• 補助金の研究課題番号: 23H03408 (2023)
• 研究種目: 基盤研究(B)
• 配分区分: 基金 (2024); 補助金 (2023)
• 応募区分: 一般
• 審査区分: 小区分60090:高性能計算関連; 小区分60040:計算機システム関連; 合同審査対象区分:小区分60040:計算機システム関連、小区分60090:高性能計算関連
• 研究機関: 東京大学
• 研究代表者: 鈴村 豊太郎 東京大学, 情報基盤センター, 教授 (70552438)
• 研究期間 (年度): 2023-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,590千円 (直接経費: 14,300千円、間接経費: 4,290千円); 2027年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円); 2026年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円); 2025年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円); 2024年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円); 2023年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
• キーワード: グラフニューラルネットワーク / 推薦システム / 人工知能 / 機械学習 / ビッグデータ / 深層学習

研究開始時の研究の概要

本研究では、実アプリケーションを見据えた新たなグラフニューラルネットワーク(GNN)モデルを解明することを目的とし、金融・空間情報科 学・推薦問題・材料科学などを主な応用領域の対象としていきます。研究課題は以下の3つ: 1) 超大規模グラフに対し、高精度かつ高速なGNN モデルの確立、2) 長期時系列・動的グラフに対応できるGNNで、応用領域によって異なる時間幅や粒度を考慮し、精度や性能を維持、3) ヘテ ロジニアスグラフに対し、ノードやエッジの複数タイプを含む大規模性や動的性を統一的に扱うGNN。これらの課題に対応する新たなGNN手法の 確立を目指し、社会実装への応用を促進していきます。