研究課題
統計的機械学習におけるベイズ推論では解析計算が困難な場合が存在し,その多くは,期待値演算などの積分操作に起因する.この計算困難を回避するためにモンテカルロ法などを用いてサンプリングを行うことで期待値を求めることはよく用いられる.一方モンテカルロ手法は,乱数生成と条件分岐を組み合わせた計算手法であり,比較的シンプルな計算で解決できるため,消費電力の大きなCPUを投入することは計算機資源の過剰な投資ともいえる.本研究では,このような問題に対してFPGAを用いたポータブルデバイスを用いてモンテカルロ手法をまわし,低消費電力なサンプリングマシンを構築することを提案している.令和2年度の研究では,スペクトル分解に焦点をあて,スペクトル分解を行うようなマルコフチェーンモンテカルロ(MCMC)法の実装を行った.サンプリング手法にはメトロポリス-ヘイスティングス法と,サンプル適合型(Sample Adapted)MCMC(SA-MCMC)法の実装を FPGA ボードである Kintex UltraScale Zynq-7000 上へ行った.スペクトル分解の問題としては人工的なデータを計算機シミュレーションから生成し,ノイズ環境下での観測を踏まえた観測点を入力とした.スペクトルピークの本数は2本とし,どの程度の分解能が維持できるかを検討した.この結果,FPGA上での動作は担保できたものの,浮動小数点演算において使用するゲートが足りなくなるような傾向がみられ,規模を大きくした場合には,計算が不安定化するような局面があることがわかってきた.このような結果から,浮動小数点演算から整数演算への切り替えとテーブル参照の活用を導入することが必要であることが分かった.
3: やや遅れている
COVID19の影響によりオンサイトの実験が制限され,実装が遅れたことと,FGPA上の浮動小数点演算にかかるゲート数見積の甘さが実装の遅れを引き起こした.
たたき台としての実装は終了したが,性能を十分に出すためには浮動小数点演算などの基盤を一旦見直す必要があると考えられる.特に指数関数の計算を軽減させるために固定小数点方式の導入と精度評価を一度行う必要があると考えている.スペクトル分解における枠組み自体は,構築できたので,各計算モジュールの見直しを行っていきたい.
すべて 2021 2020
すべて 雑誌論文 (2件) (うち査読あり 2件) 学会発表 (4件) (うち国際学会 1件)
Journal of Electron Spectroscopy and Related Phenomena
巻: 245 ページ: 147003~147003
10.1016/j.elspec.2020.147003
Science and Technology of Advanced Materials
巻: 21 ページ: 402~419
10.1080/14686996.2020.1773210