イベント企画
トップコンファレンスセッション4-1
コンピュータシステムと機械学習
9月2日(水) 9:30-12:00
第4イベント会場
座長 鯉渕道紘(NII)
座長補佐 津田宏治(東大)
9:30-9:50 講演(1) 【タイトル邦題】 SWQUE:優先度を修正するサーキュラー・キューを持ったモード切り替え発行キュー
安藤 秀樹(名古屋大学 大学院工学研究科情報・通信工学専攻 教授)
【原発表の書誌情報】 H. Ando, SWQUE: A Mode Switching Issue Queue with Priority-Correcting Circular Queue, In Proceedings of the 52nd Annual IEEE/ACM International Symposium on Microarchitecture (MICRO-52), pp.506-518, October 2019.
【概要】 本論文では、命令に正しい発行優先度を与える方式と高い容量効率を実現する方式をプログラムの実行フェーズにおけるそれぞれへの要求の度合いに応じて切り替える発行キューの方式を提案する。
【略歴】 1983年大阪大学大学院修士課程修了。同年三菱電機(株)LSI研究所。1996年京都大学工学博士。1997年名古屋大学大学院工学研究科。
9:50-10:10 講演(2) 【タイトル邦題】 ハイブリッド型メインメモリに対するハイパーバイザによる仮想化手法
広渕 崇宏(国立研究開発法人産業技術総合研究所 実社会ビッグデータ活用オープンイノベーションラボラトリ 副ラボ長)
【原発表の書誌情報】 Hirofuchi, T., Takano, R.: RAMinate: Hypervisor-based Virtualization for Hybrid Main Memory Systems, Proc. of the seventh ACM Symposium on Cloud Computing (SoCC2016), pp.112-125, Oct 2016
【概要】 異なる特性を有する複数のメモリデバイスから構成されるメインメモリをハイパーバイザにより仮想化して賢く使い分けることで、システム性能の最大化を図る技術を提案する。2019年に登場したIntel Optane DCPMMに対しても適用可能である。
【略歴】 2007年奈良先端科学技術大学院大学博士課程後期修了。博士(工学)。同年より国立研究開発法人産業技術総合研究所。オペレーティングシステムやハイパーバイザ等、システムソフトウェアの研究に従事。現在、産総研・東工大実社会ビッグデータ活用オープンイノベーションラボラトリ副ラボ長。2014年情報処理学会山下記念研究賞、2016年ACM SoCC2016最優秀論文賞など受賞。
10:10-10:30 講演(3) 【タイトル邦題】 形状自在計算機システムに向けたチップ間ワイヤレスバスインタフェース
門本 淳一郎(東京大学 大学院情報理工学系研究科電子情報学専攻 博士後期課程3年)
【原発表の書誌情報】 Kadomoto, J., Irie, H., Sakai, S.: WiXI: An Inter-Chip Wireless Bus Interface for Shape-Changeable Chiplet-Based Computers, Proc. of the 37th IEEE International Conference on Computer Design (ICCD), pp.100-108 (2019).
【概要】 小型で形状が変形するマイクロロボットへの応用を見据えた、チップ間ワイヤレス通信技術を提案する。シミュレーションの結果、提案技術によって14.3 Gb/sの高速通信を0.55 pJ/bという電力効率で達成可能なことが示された。
【略歴】 2017年慶應義塾大学理工学研究科総合デザイン工学専攻修士課程卒業。2018年より東京大学情報理工学系研究科電子情報学専攻博士課程に在籍。
10:30-10:50 講演(4) 【タイトル邦題】 誘導結合を用いた疎な3次元NoC
鯉渕 道紘(国立情報学研究所 アーキテクチャ科学研究系 准教授)
【原発表の書誌情報】 Michihiro Koibuchi, Lambert Leong, Tomohiro Totoki, Naoya Niwa, Hiroki Matsutani, Hideharu Amano, Henri Casanova, Sparse 3-D NoCs with Inductive Coupling,The 56th Design Automation Conference (DAC), 49 (6pages), Jun 2019
【概要】 本研究では、誘導結合を用いた3次元積層チップにおける発熱問題を解決した。提案技術は、斜めにチップを積層することで冷却面積を大きくし、かつ、チップ内通信性能の劣化を最小限に抑えることができる点が特徴である。
【略歴】 2003年慶大大学院理工学研究科博士課程修了。博士(工学)。2009年より国立情報学研究所准教授。相互結合網と計算機システムの研究に従事。情報処理学会より論文賞(2008年)、長尾真記念特別賞(2016年)、電子情報処理学会より論文賞(2016年)、科学技術分野の文部科学大臣表彰(若手科学者賞)(2013年)など各受賞。
10:50-11:10 講演(5) 【タイトル邦題】 近似ホモトピー法を用いたConformal予測集合の計算方法に関する研究
Eugene Ndiaye(Riken AIP Postdoctoral researcher)
【原発表の書誌情報】 Ndiaye, E., Takeuchi, I.: Computing Full Conformal Prediction Set with Approximate Homotopy, Advances in Neural Information Processing Systems (NIPS), pp. 1386--1395 (2019).
【概要】 Conformal prediction uses past observations to build a region of confidence for future observations. It offers solid coverage guarantees with the only assumption that the data is exchangeable. However, for many regression problems, this method remains impractical. We present a parametric programming approach to follow the path of the solution in relation to sequential changes of observations. Our analysis presents computational complexity bounds as well as a numerical evaluation to estimate its efficiency.
【略歴】 Fields of researches: optimization for machine learning history of affiliations/positions:
- Master degree (with high honors) of Probability and Statistics at University of Paris Sud (2015).
- PhD thesis at Telecom Paris (2018)
- Postdoctoral Researcher at RIKEN Center for Advanced Intelligence Project. in the Data-Driven Biomedical Science Team (since 2018)
11:10-11:30 講演(6) 【タイトル邦題】 グラフニューラルネットワークの組合せ問題に対する近似度
佐藤 竜馬(京都大学 大学院情報学研究科知能情報学専攻鹿島・山田研究室 学生)
【原発表の書誌情報】 Sato, R., Yamada, M., Kashima, H.: Approximation Ratios of Graph Neural Networks for Combinatorial Problems, Advances in Neural Information Processing Systems 32 (NeurIPS), pp. 4083-4092 (2019).
【概要】 グラフニューラルネットワーク(GNN)はグラフデータに対する効果的なモデルとして注目を集めている。本研究ではGNNと分散アルゴリズムの繋がりを示すことで、GNNの組合せ問題に対する理論的性能を明らかにする。
【略歴】 2019年京都大学工学部情報学科卒業。同学情報学研究科知能情報学専攻在学。グラフデータに関する機械学習手法や最適輸送距離に関する研究に従事。第22回情報論的学習理論ワークショップ(IBIS 2019)学生最優秀プレゼンテーション賞を受賞。
11:30-11:50 講演(7) 【タイトル邦題】 SGDの挙動解析に基づくデータクレンジング
原 聡(大阪大学 産業科学研究所 准教授)
【原発表の書誌情報】 Hara, S., Nitanda, A., Maehara, T.: Data Cleansing for Models Trained with SGD. Advances in Neural Information Processing Systems 32 (NeurIPS'19), 2019.
【概要】 モデルの精度を劣化させる有害な学習データの推定法を提案する。提案法ではSGDの挙動解析をもとに各学習データの有害度を推定する。実験において、有害データ除去によりモデルの精度が向上することを確認した。
【略歴】 2013年3月大阪大学大学院工学研究科博士後期課程修了。IBM東京基礎研究所、国立情報学研究所、大阪大学産業科学研究所助教を経て、2020年4月より現職。専門は機械学習で、特に特徴選択や異様検知、機械学習モデルの説明法など。