| 研究課題/領域番号 |
20K21789
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分60:情報科学、情報工学およびその関連分野
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
原 祐子 東京工業大学, 工学院, 准教授 (20640999)
|
|---|
| 研究分担者 |
中山 悠 東京農工大学, 工学(系)研究科(研究院), 准教授 (80802058)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2023-03-31
|
| キーワード | 近似計算 / 低遅延システム / ネットワーク伝送 |
|---|
| 研究成果の概要 |
Internet of Things (IoT)では、コストや消費電力の制約からネットワークや計算リソースが限定される。近年、ネットワーク接続されたIoTシステムで、若干の誤りを許容し高速処理する新たな計算手法として「近似計算」が注目されている。本研究は、低遅延IoTシステム実現に向け、ネットワークを越えた近似計算の基本技術の確立に取り組んだ。受信データが誤りを含むことを許容し、IoT全体でアプリケーションを近似化することで、高いリアルタイム性（低遅延性）を有するIoTシステムの実現が可能になる。
|
| 自由記述の分野 |
計算機システム
|
| 研究成果の学術的意義や社会的意義 |
本研究で取り組んだACoNは、ネットワーク上の伝送誤りをアプリケーションに応じた水準で許容して低遅延化を実現する技術である。ネットワークとコンピューティングの２つの異なる技術を統合的に扱うことで初めて実現するコンセプトであり、新規性・挑戦性は高い。異分野研究領域からの大局的取り組みは、既存研究の前提・方向性を大きく転換する可能性を有する。本研究では、機械学習を用いた画像伝送システム等へACoNを適用し、その有効性を評価した。IoTにおいて機械学習ベースのアプリケーションは年々増大していることから、本研究成果はIoT社会における様々なアプリケーションを低遅延で実現できる可能性を実証したと言える。
|
