Scaling up CNN computations for data-intensive scientific applications

2022 年度 研究成果報告書

• 研究課題/領域番号: 20K19823
• 研究種目: 若手研究
• 配分区分: 基金
• 審査区分: 小区分61010:知覚情報処理関連
• 研究機関: 神戸大学
• 研究代表者: HASCOET TRISTAN 神戸大学, 経営学研究科, 助教 (60848448)
• 研究期間 (年度): 2020-04-01 – 2023-03-31
• キーワード: Deep Learning 4 science / Computational Efficiency / Computer Vision / ConvNets

研究成果の概要

この研究では、様々な科学的およびエンジニアリングの問題に対応するために新たなアルゴリズムを開発しました。
深層学習モデルの計算コストを改善する方法を考案しました。アルゴリズムの効果を示すために、神経科学、生物多様性監視、材料科学の分野を跨いだ幅広い科学的応用例でそれらをベンチマークしました。
計算効率の具体的な改善だけでなく、本研究では研究は、異分野間の協力と革新のための新たな道を開いています：イスラエルのスタートアップが視覚モデルのプロトタイプ開発に本研究の成果を使用し、パリ天文台とのパートナーシップで、水資源管理と持続可能性の理解を深めるための効率的な水文学的モデルを開発してきました。

自由記述の分野

機械学習・深層学習

研究成果の学術的意義や社会的意義

深層学習は、現行の技術では手が届かないとされていた技術的な課題への解決策を開いてきましたが大量の計算力と高額なインフラが必要となるため、技術の開発と応用は大規模な技術機関内に大きく集中しています。したがって、計算効率を改善し、その応用の利益を広範囲の人々に広げることが必要となっています。本研究では、限定的な計算力で展開できる技術を開発し、その適用性を複数の実用的な科学的な応用例を通じて示しました。