DNN Project

本プロジェクトについて

本プロジェクトでは，画像・化学分子を対象としたディープラーニングを扱うプロセッサの研究を行っています．

研究背景

コンピュータ性能の飛躍的な向上，Webやインターネットデバイスの普及による大規模データの獲得，そして様々な研究の成果により深層学習（ディープラーニング）は大きく発展し，現在様々な分野で注目を浴びています．特に画像認識分野では圧倒的な認識性能を誇っており，一般物体画像の認識精度を競う大会ILSVRCでは，2012年の深層学習の登場以降精度が大きく向上し続け，ついに2015年には人間の認識性能をも上回りました．今後はこの深層学習が様々な分野に応用され，成果を見せるものと期待されます．

研究内容

1.DNNの軽量化

ディープニューラルネットワーク（DNN）は，他の計算手法に比べ圧倒的な精度の達成が可能ですが，その精度の獲得のためにネットワークモデルが大きくなる傾向があります．しかし，近年注目されているエッジAIなどの技術にはメモリ容量やリソースに制限があり，巨大なDNNを搭載できないという点が課題となっています．そこで本研究は，特に「量子化」という軽量化手法を用いてDNNモデルサイズの大幅な削減を目的とします．

2.DNNで高分子を回す手法

ポリマーなどの高分子において，現実に近いシミュレーションを行うためにより詳細な分析を扱いたいが，古典分子動力学（MD）などの手法では精度に限界があります．そのため，MDの各ステップで第一原理計算（DFTなど）を行うことで精度の向上を実現したいのですが，ポリマーは1万原子規模になるためDFT計算を繰り返し行うと計算コストが膨大になり，現実的な時間では計算できませんでした．そこで本研究では，速度と精度を両立するため，高分子を用いたシミュレーションをDNNモデルで計算する手法の研究を行なっています．