文献

J-GLOBAL ID：201702278326120840   整理番号：17A0506511

スパースモデリングとデータ駆動科学を実現する計算機アーキテクチャ

著者 (3件)： 永田賢二 (産業技術総合研 人工知能研究セ) ,  永田賢二 (JST-さきがけ) ,  田仲顕至 (東大 大学院新領域創成科学研究科)
資料名： システム/制御/情報  (システム制御情報学会誌)
巻： 61  号： 4  ページ： 152-157  発行年： 2017年04月15日 
JST資料番号： G0902A  ISSN： 0916-1600  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： データ駆動科学において,その方法論を確立するためにDavid Marrは三つのレベル(計算理論,表現・アルゴリズム,ハードウェア)を提案しており,これは複雑な情報処理装置を考えるには,この三つのレベルで議論すべきというものである。本稿では,この三つのレベルをスペクトル分解という実例を通じて,いかに考えるかを述べた。具体的には,1)スペクトル分解の計算理論,2)スペクトル分解の表現とアルゴリズム(ベイズ推定に基づくスペクトル分解,スペクトル分解のアルゴリズム,3)スペクトル分解のハードウェア実装:EMC法の並列化,4)スペクトル分解の適用例,と展開した。特に4)で,EMC法は温度が異なる確率分布からのサンプリングするアルゴリズムであり,その方法としてメモリ分散型とメモリ共有型とがあり,両者での使用コア数に応じての平均試行時間の違いを提示した。そして,並列コア数144では,メモリ共有型による非同期並列化の方が分散型より4.7倍強,時間効率が優れるなどとした。

シソーラス用語： ハードウェア設計 ,  *計算機アーキテクチャ ,  *スペクトル分解 ,  *モデリング ,  データ解析 ,  Bayes推定 ,  実装 ,  性質 ,  モンテカルロ法 ,  アルゴリズム
準シソーラス用語： スパースモデリング ,  スパース性 ,  *データ駆動

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  計算機利用技術一般  (JE01000C)

引用文献 (7件)：

• [1] C. J. Geyer: Markov chain Monte Carlo maximum likelihood; Computing Science and Statistics: Proc. of the 23rd Symposium on the Interface (ed E. M. Keramidas), pp. 156-163 (1991)
• [2] K. Hukushima and K. Nemoto: Exchange Monte Carlo method and application to spin glass simulations; J. phys. Soc. Jpn, Vol. 65 pp. 980-988 (1996)
• [3] Y. Igarashi, K. Nagata, T. Kuwatani, T. Omori, Y. Nakanishi-Ohno and M. Okada: Three levels of data-driven science; J. Phys. Conf. Ser., Vol. 699, 012001 (2016)
• [4] 五十嵐,竹中,永田,岡田:AI for Science とデータ駆動科学-ベイズ計測とVMAの提案-;応用統計学,in press.
• [5] D. Marr and T. Poggio: Cooperative computation of stereo disparity; Science, Vol. 194, pp. 283-287 (1976)

タイトルに関連する用語 (4件)： スパースモデリング ,  データ駆動 ,  科学 ,  計算機アーキテクチャ