研究課題/領域番号 |
17H01748
|
研究種目 |
基盤研究(B)
|
配分区分 | 補助金 |
応募区分 | 一般 |
研究分野 |
高性能計算
|
研究機関 | 筑波大学 |
研究代表者 |
建部 修見 筑波大学, 計算科学研究センター, 教授 (70357432)
|
研究分担者 |
日下 博幸 筑波大学, 計算科学研究センター, 教授 (10371478)
日野 英逸 統計数理研究所, モデリング研究系, 准教授 (10580079)
川島 英之 慶應義塾大学, 環境情報学部(藤沢), 准教授 (90407148)
|
研究期間 (年度) |
2017-04-01 – 2020-03-31
|
キーワード | 分散深層学習 / 極端気象 / 機械学習 / 並列I/O |
研究成果の概要 |
豪雨・突風・高温などの極端気象は人類に甚大な被害をもたらすが、その予測は極端気象に関する膨大な知識が必要である。本研究では、その知識を効率的に生成する機械学習基盤の構築を目的とする。これまで、豪雨予測などの知識獲得を想定して、全国の気象レーダで観測したデータと大気中の水分データを用い機械学習のための気象データの整備を行った。また、大規模学習データを用いた分散深層学習のための基盤研究を行った。学習データが大規模となると学習データの読込性能がネックとなるが、従来できなかった先読みを行うことによりこの問題を解決した。これにより、大規模な学習データを用いた分散深層学習の効率を上げることが可能となった。
|
自由記述の分野 |
情報科学
|
研究成果の学術的意義や社会的意義 |
豪雨・突風・高温などの極端気象は人類に甚大な被害をもたらすため、その予測を行うことは人類にとり重要な意味を持っている。その予測のためには、大規模観測データ、シミュレーションデータのデータ解析、機械学習が有効であると考えられている。本研究では、大規模データに対する分散深層学習を行うときに問題となる読込性能のボトルネックの解消を行っており、これにより分散深層学習の効率を上げることが可能となる。本成果は、極端気象の予測だけではなく、あらゆるビッグデータ解析における分散深層学習の効率を上げることとなり、極めて影響範囲が大きい。
|