イベント企画
トップコンファレンスセッション5
アルゴリズムとソフトウェア工学
9月2日(水) 15:30-17:30
第4イベント会場
座長　増澤利光（阪大）
座長補佐　菊地奈穂美（OKI）
15:30-15:50 講演(1) 【タイトル邦題】 最小次数全域木問題に対する分散アルゴリズム
泉　泰介（名古屋工業大学）
【原発表の書誌情報】 Michael Dinitz, Magnus M. Halldorsson, Taisuke Izumi, Calvin Newport: Distributed Minimum Degree Spanning Trees, Proc. ACM Symposium on Principle of Distributed Computing (PODC), pp.511-520, 2019.
【概要】 最小次数全域木問題は、最大次数が最も小さくなるような全域木を構成する問題であり、無線通信におけるストリーム配信のスループット最大化等の応用を持つ。本研究では、同問題に対する、計算時間がノード数に対する準線形であり、かつ定数近似率保証を持つ初めての分散アルゴリズムを提案した。
【略歴】 2006年大阪大学大学院情報科学研究科修了。博士（情報工学）。同年より名古屋工業大学大学院工学研究科助手（2007年より助教）。2009年より同大学院准教授。理論計算機科学、特に分散アルゴリズムの研究に従事。IEICE, IPSJ, ACM会員。
15:50-16:10 講演(2) 【タイトル邦題】 DTM-bsed filtration
梅田　裕平（富士通研究所）
【原発表の書誌情報】 Tinarrage. R, Chazal F., Glisse M., Anai H., Ike Y., Inakoshi H. and Umeda Y.: DTM-based filtration, 　Proc. Symposium on Computational Geometry (SoCG),(2019).
【概要】 TDAは複雑なデータに対して「データの形」を解析することで、大域的な情報を抽出する手法として近年開発が進んでおり、その中でもpersistent homologyはデータ解析のツールとして様々な分野で先進的な結果をもたらしている。一方、従来のpersistent homologyはノイズや外れ値などに敏感なため、十分な性能を発揮できないこともある。本講演では、新しいpersistent homologyの枠組みを紹介し、ノイズに対する耐性の向上や安定性について紹介する。
【略歴】 2009年九州大学数理学府博士課程終了。九州大学特別研究員を経て、2010年富士通研究所入社。2019年より同社人工知能研究所主任研究員。数理学をベースにした機械学習技術の開発に従事。
16:10-16:30 講演(3) 【タイトル邦題】 浅層量子回路による平均量子優位性
Le Gall　Francois（名古屋大学 大学院多元数理科学研究科 准教授）
【原発表の書誌情報】 François Le Gall. Average-Case Quantum Advantage with Shallow Circuits. Proceedings of the 34th Computational Complexity Conference (CCC 2019), 21:1-21:20, 2019.
【概要】 Recently Bravyi, Gosset and König (Science 2018) proved an unconditional separation between the computational powers of small-depth quantum and classical circuits for a relation. In this paper we show a similar separation in the average-case setting that gives stronger evidence of the superiority of small-depth quantum computation: we construct a computational task that can be solved on all inputs by a quantum circuit of constant depth with bounded-fanin gates (a "shallow" quantum circuit) and show that any classical circuit with bounded-fanin gates solving this problem on a non-negligible fraction of the inputs must have logarithmic depth. Our results are obtained by introducing a technique to create quantum states exhibiting global quantum correlations from any graph, via a construction that we call the extended graph.
【略歴】 2006年東京大学大学院情報理工学系研究科博士後期課程修了。2006年JST ERATO-SORST量子情報システムアーキテクチャ研究員。2009年東京大学大学院情報理工学系研究科特任講師。2012年東京大学大学院情報理工学系研究科特任准教授。2016年京都大学大学院情報学研究科特定准教授。2019年名古屋大学大学院多元数理科学研究科准教授。
16:30-16:50 講演(4) 【タイトル邦題】 コードレビュー分析技術のためのレビューリンクグラフ
平尾　俊貴（株式会社dTosh 代表取締役）
【原発表の書誌情報】 Toshiki Hirao, Shane McIntosh, Akinori Ihara, and Kenichi Matsumoto,"The Review Linkage Graph for Code Review Analytics: A Recovery Approach and Empirical Study," In Proceedings of the 27th Joint Meeting of the European Software Engineering Conference and the ACM SIGSOFT Symposium on the Foundations of Software Engineering, pages 578-589, August 2019.
【概要】 Modern Code Review (MCR) is a pillar of contemporary quality assurance approaches, where developers discuss and improve code changes prior to integration. Since review interactions (e.g., comments, revisions) are archived, analytics approaches like reviewer recommendation and review outcome prediction have been proposed to support the MCR process. These approaches assume that reviews evolve and are adjudicated independently; yet in practice, reviews can be interdependent.
In this paper, we set out to better understand the impact of review linkage on code review analytics. To do so, we extract review linkage graphs where nodes represent reviews, while edges represent recovered links between reviews. Through a quantitative analysis of six software communities, we observe that (a) linked reviews occur regularly, with linked review rates of 25% in OpenStack, 17% in Chromium, and 3%–8% in Android, Qt, Eclipse, and Libreoffice; and (b) linkage has become more prevalent over time. Through qualitative analysis, we discover that links span 16 types that belong to six categories. To automate link category recovery, we train classifiers to label links according to the surrounding document content. Those classifiers achieve F1-scores of 0.71–0.79, at least doubling the F1-scores of a ZeroR baseline. Finally, we show that the F1-scores of reviewer recommenders can be improved by 37%–88% (5–14 percentage points) by incorporating information from linked reviews that is available at prediction time. Indeed, review linkage should be exploited by future code review analytics.
【略歴】 大阪教育大学 教育学部を2015年に卒業後、奈良先端科学技術大学院大学で博士号を2020年に取得。日本学術振興会 特別研究員 DC1 2017年に採用。McGill大学（カナダ）で1年間訪問研究員として、コードレビュー分析技術の効率化に関する研究に従事。その後、ABB Corporate Research（アメリカ）では双腕型ロボットのMRシュミレーションに関する研究に従事。これまでの研究開発経験を教育業界で生かすため、株式会社dToshを創業。完全遠隔でプログラミング授業を実施できるプラットフォームを展開。