モデル圧縮による高速化と精度保証の理論に関する研究

• 研究課題/領域番号: 25K15267
• 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61040:ソフトコンピューティング関連
• 研究機関: 日本大学
• 研究代表者: 原 一之 日本大学, 生産工学部, 特任教授 (30311004)
• 研究分担者: 日野 英逸 統計数理研究所, 先端データサイエンス研究系, 教授 (10580079)
• 研究期間 (年度): 2025-04-01 – 2028-03-31
• 研究課題ステータス: 交付 (2025年度)
• 配分額: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円); 2027年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2026年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円); 2025年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
• キーワード: モデル圧縮 / 高速化 / 精度保証 / 理論解析 / 統計物理

研究開始時の研究の概要

AI 技術の浸透のため、処理能力の十分でないエッジデバイスで高度な情報処理を現実的な時間で稼働させるというAI の社会実装問題が発生している。
本研究では、複雑度の高い学習済みモデルを複雑度の低いモデルに圧縮するとともに、複雑度の高いモデルが保有していた、知識と高い精度を保証する手法である、モデル圧縮の理論解析を行うことを目的とする。特に生徒という学習モデルと同じ構造をした真の教師というモデルを導入することで、系統的な誤差解析を可能とする。モデル圧縮の理論研究を通して社会実装の遅れの改善を目指す。