| 研究課題/領域番号 |
23K28101
|
|---|
| 補助金の研究課題番号 |
23H03411 (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60100:計算科学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
櫻井 鉄也 筑波大学, システム情報系, 教授 (60187086)
|
|---|
| 研究分担者 |
二村 保徳 筑波大学, システム情報系, 准教授 (30736210)
今倉 暁 筑波大学, システム情報系, 准教授 (60610045)
叶 秀彩 筑波大学, システム情報系, 准教授 (60814001)
BOGDANOVA ANNA 筑波大学, システム情報系, 助教 (70924463)
|
|---|
| 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 *注記 |
18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)
2027年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2026年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2025年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2024年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2023年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
|
|---|
| キーワード | 固有値解析 / 制約条件 / 潜在空間 / 分散データ解析 / 潜在空間生成 / 制約付き固有値問題 / 大規模分散データ解析 |
|---|
| 研究開始時の研究の概要 |
本研究課題では、分散した大規模データに対する高性能な解析手法の開発を目的とし、データ関係性が埋め込まれた局所潜在空間生成を制約条件付きの固有値問題によって定式化する新規解法の理論構築を行うとともに、大規模分散データ解析に応用するための統合解析手法を開発する。開発手法の高性能解法を実装し、材料分野や医療分野、製薬分野等の大規模データに適用しその有効性を検証する。
|
| 研究実績の概要 |
本研究課題では、シミュレーション、計測装置、実験装置などから得られる分散した大規模データに対する高性能な解析手法の開発を目的とし、データ関係性が埋め込まれた局所潜在空間生成を制約条件付きの固有値問題によって定式化する新規解法の理論構築を行うとともに、大規模分散データ解析に応用するための統合解析手法を構築する。開発手法の高性能解法を実装し、材料分野や医療分野、製薬分野等の大規模データに適用しその有効性を検証する。これまでに取り組んできた大規模な固有値問題の高性能な解法の開発や分散したデータに対して次元削減を行って得られる潜在空間を集約する分散データ解析手法での成果に基づいて、大規模分散データの局所潜在空間の生成手法とその統合解析手法の開発に取り組む。特に材料分野のアモルファス形成シミュレーションや次世代シーケンサーから得られるゲノム変異、既存薬機能性探索で用いられる分子機能性などでのデータに対してその性能を検証する。
これまで開発してきた高性能固有値計算手法や特異値分解手法を活用し、データ関係性が埋め込まれた局所潜在空間生成のための理論構築とその計算手法を中心に研究に取り組んだ。併せて対象とする各種分野での分散データの調査やシミュレータを用いたデータ生成手法の開発などを進めた。特に分散したデータを活用するために、個々のデータごとに異なる潜在空間を生成した上で、それらを統合的に解析する機械学習モデルを生成する手法の開発を進めた。また、実環境における検証を行うために、複数病院に分散したデータを対象としてデータ構築と統合解析のためのソフトウェアの開発を行った。
|
| 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
今年度は、データ関係性が埋め込まれた局所潜在空間生成のための理論構築とその計算手法を中心に研究に取り組んだ。また、対象とする各種分野での分散データの調査やシミュレータを用いたデータ生成手法の開発などを進めた。特に分散したデータを活用するために、個々のデータごとに異なる潜在空間を生成した上で、それらを統合的に解析する機械学習モデルを生成する手法の開発、および実環境における検証を行うために、複数病院に分散したデータを対象としてデータ構築と統合解析のためのソフトウェアの開発に取り組み、実際に複数病院のデータ解析を実施することができた。
|
| 今後の研究の推進方策 |
開発すべき課題として挙げている、制約付き固有値問題による局所潜在空間生成手法の構築分散データに対する局所潜在空間生成において、スパース性やクラス分離性などの条件の下での行列トレース最小化を制約条件付きの固有値問題に帰着させる手法の構築に引き続き取り組む。また、大規模分散データを対象として、大規模で疎な行列の固有値問題に対して高次固有空間を効率よく求めるため、問題の性質に合わせた高性能アルゴリズムの開発を行う。これらの成果にもとづいて、大規模データ解析への応用と性能検証大規模データ解析への応用と性能検証に取り組む。
|
