BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【第41回AIセミナー】「ABCIグランドチャレンジ 2019成果報告会」 X-WR-CALNAME:【第41回AIセミナー】「ABCIグランドチャレンジ 2019成果報告会」 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:770282@techplay.jp SUMMARY:【第41回AIセミナー】「ABCIグランドチャレンジ2019 成果報告会」 DTSTART;TZID=Asia/Tokyo:20200221T150000 DTEND;TZID=Asia/Tokyo:20200221T172000 DTSTAMP:20260426T203128Z CREATED:20200204T060016Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/77028 2?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n【第41回AIセ ミナー】「ABCIグランドチャレンジ2019成果報告会」\n\n 産業技術総合研究所 人工知能研究センターでは、人工 知能研究に関する情報交換を目的として、原則として 月に一度、外部の方やセンター内研究者を講師とする 人工知能セミナーを開催しています。\n\n2020年2月は「A BCIグランドチャレンジ2019成果報告会」を行います。\n 基本的にどなたでも無料でご参加いただけますが、事 前申込が必要です。人工知能に興味のある方は奮って ご参加ください。多くの方々にご参加いただき活発な 議論が行われることを期待しています。\n\n\n新型コロ ナウイルスへの対応について（2020.02.19）\n\n【参加者 の皆さまへのお願い】\n\n・発熱などの症状がある方は 来場をご遠慮ください。\n・新型コロナウイルスへの 感染の疑いがある方は来場をご遠慮ください。\n・ご 来場の際には、手洗い、消毒液のご利用、マスクの着 用等、感染予防対策へのご協力をよろしくお願いいた します。\n\n受付時にも同様の確認を行います。\n条件 に該当した方の参加・入場は、その場でお断りする場 合もございます。\nご協力・ご理解のほどよろしくお 願いいたします。\n\n\n\n要旨\n\nAI橋渡しクラウド（AI Br idging Cloud Infrastructure、ABCI) は、国立研究開発法人 産業 技術総合研究所が構築・運用する、世界最大規模の人 工知能処理向け計算インフラストラクチャであり、2018 年8月に運用が開始されました。ABCIの狙いは、550ペタ フロップス（半精度）という膨大なAI処理能力を研究 者や開発者に提供することにより、我が国のAI／ビッ グデータ処理の進歩を加速することです。産総研では 、ABCIを用いて莫大な演算能力によりはじめて可能にな る人工知能分野の最重要課題への挑戦を支援するため 、「ABCIグランドチャレンジ」プログラムを実施してい ます。本プログラムは、ABCIがもつ最大計算ノード数で ある1\,088ノード（4\,352GPU）を最大24時間、無償で、1チ ームでの占有利用ができる公募型チャレンジプログラ ムです。\n\n本セミナーでは、2019年に実施されたABCIグ ランドチャレンジ2019の参加者を講師としてお招きして 、各チームでのチャレンジの内容や成果、今後の取り 組みについてご紹介いただきます。\n\n■AI橋渡しクラ ウド ABCI　　https://abci.ai/ja/\n\n \n\n基本情報\n\n\n名称： 【第41回AIセミナー】「ABCIグランドチャレンジ2019成果 報告会」\n日時：2020年2月21日（金）15:00-17:20\n受付時間 ：14:20-17:20\n※ 受付時間外のご来場には、対応できな い場合があります。\n場所：〒135-0064 東京都江東区青 海二丁目5番10号 テレコムセンタービル東棟14階\nAsia sta rtup office MONO\nURL：https://mono.jpn.com/telecom-center-access/\n定 員：200名\n参加費用：無料\n主催：産業技術総合研究所 人工知能研究センター\n連絡先：人工知能セミナー窓 口\n本セミナーは、国立研究開発法人新エネルギー産 業技術総合開発機構（NEDO）による委託事業「次世代人 工知能・ロボット中核技術開発（次世代人工知能分野 ）」による活動となります。\n\n\n注意事項\n\n\n他の方 に参加の機会をお譲りするためにも、参加ができない と分かった場合は早めのキャンセルをお願いします。\ n産総研は、お送りいただいた情報をセミナー運営以外 の目的には使用しません。\n懇親会の予定はありませ ん。\n\n\n\n\nプログラム\n\n\n\n \n\n 15:00 - 15:10\n\n 「ABCI グランドチャレンジ2019概要」\n小川　宏高\n（産業技 術総合研究所 人工知能研究センター　研究チーム長／ \n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　ラボ長）\n\n概要： \nAI橋渡しクラウド（AB CI）は世界トップクラスの実効性能と省電力性能を有 する、わが国の人工知能技術開発のためのオープンで 先進的な高速計算基盤である。ABCIの目的は、産学官連 携や多様な事業者による利用を促進し、高い計算能力 を活用した人工知能技術の研究開発・実証を加速する とともに、人工知能分野の最重要課題に挑戦すること である。その活動の一環として、産総研では莫大な演 算能力によりはじめて可能になる人工知能分野の最重 要課題への挑戦を支援するため、「ABCIグランドチャレ ンジ」プログラムを実施している。本発表ではABCIグラ ンドチャレンジ2019の実施概要を報告する。\n\n\n略歴： \n1998年 東京大学大学院工学系研究科博士課程中退 199 8-2003年 東京工業大学大学院情報理工学研究科助手 2003- 現在 産業技術総合研究所 人工知能研究センター 人工 知能クラウド研究チーム長、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 ラボ長を兼務。博 士（理学）。 \n\n\n講演中の撮影： TBA\n\n\n\n\n \n\n 15:10 - 15:30\n\n 「大規模深層学習における学習時間最小化へ の挑戦」\n笠置　明彦（株式会社富士通研究所　シニ アリサーチャー）\n\n概要： \nABCIグランドチャレンジ において、我々は巨大ミニバッチによる分散並列深層 学習の高速化を実施した。\n画像認識に用いられるResNe t-50を用いて多数のGPUによるデータ並列学習を行い、ILS VRC2012のデータセットに対して精度が75.9%を超えるまで の実行時間を計測する。\n我々はこれまでABCIの512ノー ド(2048GPU)を用いたResNet-50の学習高速化を実施してきた が、\n本ABCIグランドチャレンジでは全てのノードが利 用可能であるため、上記ResNet-50の学習をどこまで高速 化できるか挑戦した。\n1分以内での学習完了を目標に 挑戦したが、巨大ミニバッチによる分散並列深層学習 特有の課題に直面。最終的に768ノード(3072GPU)を用いて6 2.1秒での学習完了を達成した。\n\n\n略歴：\n2015年広島 大学情報工学科博士課程後期を修了。同年、株式会社 富士通研究所に入社。アクセラレータを用いた大規模 な分散並列処理の高速化に従事。現在は深層学習を対 象に高速化研究に携わる。\n\n\n講演中の撮影： 可\n\n\n \n\n \n\n 15:30 - 15:50\n\n 「想定外を想定する津波即時予 測AIの構築」\n大石　裕介（株式会社富士通研究所　主 任研究員）\n\n概要： \n津波予測における想定外回避に 向け，大量の学習データを用いて，沖合の津波波形か ら沿岸付近の津波を即時予測するAIの構築を行った． ランダム生成された津波波源に基づくデータの学習に 関し，MXNetで実装したニューラルネットワークの処理 速度は，約36.2 PFLOPSに達した．構築した津波予測AIの予 測精度を測定したところ，最大波高の予測値と正解値 との相関係数は0.99を超え，十分な予測性能が得られた ． \n\n\n略歴： \nTBA\n\n\n講演中の撮影： TBA\n\n\n\n\n\n\n 15 :50 - 16:10\n\n 「ABCIを活用した大規模分散DNN学習への取 り組み」\n田中　義己（ソニー株式会社　シニアAIシス テムリサーチャー）\n\n概要： \n本セミナーでは、ソ ニー独自のディープラーニング・フレームワークとABCI を活用した大規模な分散DNN学習の取り組みについて説 明する。\nソニーは2010年から独自のフレームワークの 開発を進めており、これにより開発者は直感的にニュ ーラルネットワークを設計することが可能となる。ま た、同フレームワークとABCIを活用した大規模な分散DNN 学習の開発を進めている。大規模GPUを利用した分散DNN 学習では、バッチサイズが巨大になるため学習が収束 しないことが知られている。特にABCIの4000基強のGPUを 活用して学習を進めるためには100Kを超えるバッチサイ ズが必要となる。今回、我々は独自のオプティマイザ( STiLL)により、128K超のバッチサイズでの学習に成功した 。\n\n\n略歴： \n2001年 ソニー株式会社に入社。VAIO(PC)等 の商品開発に従事し、2007年より研究開発部門でデジタ ルサイネージにおけるユーザーインタラクションの研 究開発を行う。その後、2011年より分散並列処理の研究 開発に携わっており、2016年からは分散DNN学習に取り組 んでいる。\n\n\n講演中の撮影： 可能\n\n\n\n\n\n\n 16:10 - 1 6:30\n\n 「A Scalable Framework for Instant High-resolution Image Recon struction」\n陳　鵬（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）\n \ n概要： \nComputed Tomography (CT) is a widely used technology that re quires compute-intense algorithms for image reconstruction. We propose a novel back-projection algorithm that reduces the projection computation c ost to 1/6 of the standard algorithm. We also propose an efficient implem entation that takes advantage of the heterogeneity of GPU-accelerated sys tems by overlapping the filtering and back-projection stages on CPUs and GPUs\, respectively. Finally\, we propose a distributed framework for hig h-resolution image reconstruction on state-of-the-art GPU-accelerated sup ercomputers. The framework relies on an elaborate interleave of MPI colle ctive communication steps to achieve scalable communication. Evaluation o n a single Tesla V100 GPU demonstrates that our back-projection kernel pe rforms up to 1.6 times faster than the standard FDK implementation. We al so demonstrate the scalability and instantaneous CT capability of the dis tributed framework by using up to 2\,048 V100 GPUs to solve a 4K and 8K p roblems within 30 seconds and 2 minutes\, respectively.\n\n\n略歴： \n Peng Chen was born in Hubei\, China\, in 1981. He received the B.E. degre e in navigation from Dalian Maritime University\, Liaoning\, China\, in 2 005\, and the M.E. degree in traffic information engineering and control from Shanghai Maritime University\, Shanghai\, China\, in 2007. He is cur rently a Ph.D. student in Tokyo Institute of Technology\, Tokyo\, Japan\, and also working at AIST-Tokyo Tech Real World Big-Data Computation Open Innovation Laboratory\, National Institute of Advanced Industrial Scienc e and Technology\, Japan. His research interests include parallel computi ng\, image processing\, and machine learning.\n\n\n講演中の撮影： 可\n\n\n\n\n\n\n 16:30 - 16:50\n\n 「超高速タンパク質間相互 作用予測システムMEGADOCK 5.0による細胞内タンパク質間 相互作用の網羅的解明」\n秋山　泰（東京工業大学 情 報理工学院　教授）\n\n概要： \n　細胞内のタンパク質 間相互作用 (protein-protein interaction\, PPI) の網羅的な理解 は新薬開発や疾病メカニズムの解明に重要である。本 研究では、東京工業大学秋山研究室にて開発されたPPI 予測プログラムMEGADOCK 5.0によって、ヒト細胞内PPIの網 羅的解明に向けた実証評価実験を実施した。MEGADOCKは マルチGPU・マルチノード計算が可能なPPI予測プログラ ムであり、version 5.0ではABCI向けに2\,000 GPU超の大規模並 列環境を想定した並列性能向上のための改善を施した 。本実施では主に次の3つの項目を達成した。1) ABCI 512 ノード（2\,048 GPU）によって2\,500万ペア超の大規模なPPI 予測計算を約8.8時間で完了できることを示した。 2) 並 列実行性能計測において512ノードで強スケーリング0.96 7 （対16ノード値）の並列実行性能を達成した。 3) 同 システムのSingularityコンテナによる仮想化版において 、ネイティブ環境と同等性能（強スケーリング0.964） で計算できることを示した。\n\n\n略歴： \n1990　慶應義 塾大学大学院理工学研究科　電気工学専攻博士課程修 了　工学博士\n1990　工業技術院電子技術総合研究所　 研究官\n1992　京都大学化学研究所　助教授\n1996　新情 報処理開発機構　並列応用つくば研究室長\n2000　工業 技術院電子技術総合研究所　主任研究官\n2001　産業技 術総合研究所　生命情報科学研究センター　研究セン ター長\n2007　東京工業大学　大学院情報理工学研究科 　教授　（2016年　組織変更により現職）\n\n\n講演中の 撮影： 可能\n\n\n\n\n\n\n 16:50 - 17:20\n\n 「二次最適化を 用いた巨大な言語モデルの学習およびFRNNを用いたプラ ズマ挙動予測」\n横田　理央\n（東京工業大学　学術国 際情報センター　准教授）\n概要： \n近年BERTなどの巨 大なTransformerを用いた言語モデルの大規模分散並列学 習が盛んになってきている。本研究では、二次最適化 の汎化性能と計算量の問題を解決した独自技術を言語 モデルに応用し、その収束性の向上および学習時間の 低減を目指す。これまでに行ってきたImageNetの学習で はデータセットが小さすぎたため二次最適化の短所で ある過学習の問題が起きていたが、巨大な言語モデル の学習には何TBものデータを用いるため過学習は起き にくく、二次最適化の長所である収束の早さが活かせ る。また、これとは別にプリンストン大学のチームが 行った再帰型のニューラルネットを用いたプラズマの 挙動予測についても紹介する。\n\n\n 略歴： \n2009年　 慶應義塾大学　博士（工学）取得\n2009年　ブリストル 大学　博士研究員\n2010年　ボストン大学　博士研究員\ n2011年　アブドゥラ国王科学技術大学　常勤研究員\n201 5年　東京工業大学　学術国際情報センター　准教授\n\ n\n講演中の撮影： 可\n\n\n\n\n\n\n LOCATION:Asia startup office MONO 〒135-0064 東京都江東区青海二 丁目5番10号 テレコムセンタービル東棟14階 URL:https://techplay.jp/event/770282?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR