研究課題
本研究は、近年の並列処理での性能向上の鍵となっているアクセラレータの適用範囲を大規模離散最適化問題・知識発見問題に拡げ、効率よく最適解・求める解の分散探索を行うシステム構築を目的とする。機能として、相互通信などを持つプログラマブルなハードウェア・アクセラレータとホスト・サーバを組み合わせ、アクセラレータとネットワークが融合したシステムを構築することを通して、大規模離散最適化問題を統一的に扱うフレームワークの提案・実装を行う。本研究課題の最終年度においては、研究代表者の稲葉のもとで連携研究者・研究協力者がより広い分野への展開を行ない、その拡大された課題に対し本研究の目標を達成することを行った。具体的な新たな展開として、セレンディピティという予想外のものを偶然に発見することに取組んだ。これを、高速並列処理でより必然的にそのようなものを発見することを支援することを目指し、並列処理の並列度をアクセラレータにより未だかつてないレベルにまで高め、all-IP-ethernetのネットワークを通じて集められる大規模データの処理を可能にすることを実現した。その応用分野としては生命科学での多数の画像処理をターゲットに、正しくビッグデータからの現実的時間内での発見を実現した。従来からの制約充足問題の核となる論理充足問題SATに対する種々のアルゴリズムの研究も行い、将来のアクセラレータ適用における基礎を与えている。ベイジアンネットワークを対象とした機械学習分野への展開も行い、ネットワークの耐故障性に関する解析においても成果を上げている。最終年度にあたり、これら研究成果を周知するべく論文発表を積極的に行った。
27年度が最終年度であるため、記入しない。
すべて 2017 2016 2015
すべて 雑誌論文 (7件) (うち国際共著 1件、 査読あり 7件) 学会発表 (11件) (うち国際学会 8件)
Proceeedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI-16)
巻: 6 ページ: 4244-4245
Proceedings of the High-Speed Biomedical Imaging and Spectroscopy: Toward Big Data Instrumentation and Management conference
巻: 1 ページ: 97200D
10.1117/12.2212016
Proceedings of the Learning and Intelligent OptimizatioN Conference (LION10)
巻: 1 ページ: 260-266
10.1007/978-3-319-50349-3_21
Discrete Optimization
巻: 22 ページ: 20-36
10.1016/j.disopt.2016.05.002
Procedings of the 22nd International Conference on Neural Information Processing (ICONIP 2015), Lecture Notes in Computer Science
巻: 9492 ページ: 255-262
10.1007/978-3-319-26561-2_31
Proceedings of 2015 ACM/IEEE International Conference on Formal Methods and Models for Codesign (MEMOCODE)
巻: - ページ: 52-55
10.1109/MEMCOD.2015.7340468
IEICE Trans. Fundamentals
巻: 98-A(6) ページ: 1310-1312
10.1587/transfun.E98.A.1310
