文献

J-GLOBAL ID：201702281493512795   整理番号：17A0690282

Deep Q-Networkを用いての計算機の制御による電力最適化

著者 (3件)： 寺西賢人 (東京工大) ,  野村哲弘 (東京工大) ,  松岡聡 (東京工大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2017  号： HPC-158  ページ： Vol.2017-HPC-158,No.3,1-8 (WEB ONLY)  発行年： 2017年03月01日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年のスーパーコンピュータは大量に電力を消費するようになり,実用的なスーパーコンピュータの性能の向上には電力効率が課題となっている。省電力手法としてはCPUの周波数や電圧などの制御による電力の最適化があり,その制御に適した値をパフォーマンスカウンタなどのデータを用いて算出する研究が多く進められている。しかし,既存の研究では各データを詳細に解析する手法を取っており,扱うデータ数の制限や環境の変化による再解析を必要としている。そこで我々は,近年研究が盛んに行われている深層学習を用いて解析をする汎用性が高い制御方法を提案する。特にゲーミングや囲碁のAIなどで使用されているDeep Q-Networkという深層強化学習手法によって計算機を直接制御する装置を実装し,評価する。(著者抄録)

シソーラス用語： *スーパコンピュータ ,  機械学習 ,  強化学習 ,  ニューラルネットワーク ,  *電力効率 ,  深層学習
準シソーラス用語： Q学習

分類 (1件)： 制御方式  (JC02030K)

引用文献 (15件)：

• 浅井雅司, 池田佳路, 佐々木広, 近藤正章, 中村宏. 統計処理に基づくコンパイラ協調型 dvfs 手法. 情報処理学会研究報告, 2006-ARC-166, Vol. 2006, No. 8, (2006).
• 都筑一希, 遠藤敏夫. Cpu・gpu 混載ノードにおける電力・性能モデルを用いたオンラインパワーキャッピング手法.情報処理学会研究報告, Vol. 2015-HPC-152, No. 2, pp. 1-7, 2015.
• Mnih Volodymyr, Kavukcuoglu Koray, Silver David, Rusu Andrei A., Veness Joel, Bellemare Marc G., Graves Alex, Riedmiller Martin, Fidjeland Andreas K., Ostrovski Georg, Petersen Stig, Beattie Charles, Sadik Amir, Antonoglou Ioannis, King Helen, Kumaran Dharshan, Wierstra Daan, Legg Shane, and Hassabis Demis. Human-level control through deep reinforcement learning. Nature, Vol. 518, No. 7540, pp. 529-533, 02 2015.
• Richard Zhang, Phillip Isola, and Alexei A. Efros. Colorful image colorization. CoRR, Vol. abs/1603.08511, 2016.
• W. Xiong, Jasha Droppo, Xuedong Huang, Frank Seide, Mike Seltzer, Andreas Stolcke, Dong Yu, and Geoffrey Zweig. Achieving human parity in conversational speech recognition. CoRR, Vol. abs/1610.05256, , 2016.

タイトルに関連する用語 (2件)： 計算機 ,  電力最適化