2017年4月 - 2021年3月
機械学習計算基盤の構築と複数領域における画期的成果の創出
日本学術振興会 科学研究費助成事業 基盤研究(A) 基盤研究(A)
【理論】本事業の背骨となる理論を体系化し、その概要をのべた論文を執筆し、人工知能分野のトップカンファレンスであるAAAI-20 (Association for the Advancement of Artificial Intelligence) において採録された。近年、機械学習コミュニティでは、深層学習の応用論文の投稿数が膨大な数に上り、深層学習以外の分野で、かつ、理論的な内容の論文の採録は困難になって来ている。今年度のAAAI-20の投稿数は9000通弱であり、採択率は約20%であった。採択により、当該理論が客観的な評価を獲得できることが証明されたこととなり、応用における具体的な成果の創出が、検証の観点から今後の鍵となる。次のステップでは、応用における成果の創出を最重点項目として、取り組みを行う。
【応用】応用事例で成果を創出するためには、本事業における理論を実用的なアルゴリズムとして設計し、機能・性能両面で最適化を行い、分担者を含む研究者が容易に利用できるようなライブラリ(ユーティリティ)として実装する必要がある。今年度は、理論の体系化と並行して、ライブラリの開発に力を注いだ。ライブラリ開発は、代表者・分担者がアルゴリズムを設計、Scalaなど、実行速度に優れる言語を用いてプロトタイプを実装、性能評価を行った上で、機械学習における標準的プログラミング言語であるPythonへの移植をプログラミングの専門家に業務委託する方法で行った。2019年度はアルゴリズム全体のほぼ80%程度の実装を完了したが、Pythonは速度性能に難のあるプログラム言語であり、Cythonの利用や一部C++による実装を行うことで、大規模データセットでの実験に耐えるように取り組んでいる。20年度の早い時期に実装を完了し、分担者、及び、研究コミュニティに公開する。
【応用】応用事例で成果を創出するためには、本事業における理論を実用的なアルゴリズムとして設計し、機能・性能両面で最適化を行い、分担者を含む研究者が容易に利用できるようなライブラリ(ユーティリティ)として実装する必要がある。今年度は、理論の体系化と並行して、ライブラリの開発に力を注いだ。ライブラリ開発は、代表者・分担者がアルゴリズムを設計、Scalaなど、実行速度に優れる言語を用いてプロトタイプを実装、性能評価を行った上で、機械学習における標準的プログラミング言語であるPythonへの移植をプログラミングの専門家に業務委託する方法で行った。2019年度はアルゴリズム全体のほぼ80%程度の実装を完了したが、Pythonは速度性能に難のあるプログラム言語であり、Cythonの利用や一部C++による実装を行うことで、大規模データセットでの実験に耐えるように取り組んでいる。20年度の早い時期に実装を完了し、分担者、及び、研究コミュニティに公開する。
- ID情報
-
- 課題番号 : 17H00762
- 体系的課題番号 : JP17H00762
この研究課題の成果一覧
絞り込み
論文
1-
Proc. Eighth International Symposium on Computing and Networking Workshops 2020年11月 査読有り筆頭著者
講演・口頭発表等
1-
第81回情報処理学会全国大会 2019年3月15日