BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【第44回AIセミナー】「ABCIグランドチャレンジ 2020成果報告会」 X-WR-CALNAME:【第44回AIセミナー】「ABCIグランドチャレンジ 2020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:803333@techplay.jp SUMMARY:【第44回AIセミナー】「ABCIグランドチャレンジ2020 成果報告会」 DTSTART;TZID=Asia/Tokyo:20210114T150000 DTEND;TZID=Asia/Tokyo:20210114T170000 DTSTAMP:20260424T103704Z CREATED:20201221T060013Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/80333 3?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n【第44回AIセ ミナー】「ABCIグランドチャレンジ2020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\n2021年1月は「A BCIグランドチャレンジ2020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\n※新型 コロナウイルス感染拡大防止のため、今年度はZoomウェ ビナーによるオンライン開催となります。イベントURL は参加者だけに表示されますので、口外なさらないよ うお願いします。\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。 本セミナーでは、2020年に実施されたABCIグラ ンドチャレンジ2020の第1回と第2回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 \n \n基本情報\n\n\n名称：【第44回AIセミナー】「ABCIグラン ドチャレンジ2020成果報告会」\n日時：2021年1月14日（木 ） 15:00 - 17:00\n接続可能時間：14:50-17:00\n場所：Zoomウェ ビナーによるオンライン開催\n（お申し込み後、Doorkeep erより会場URLをご案内いたします。）\n定員：500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\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講演の 録画やアップロードはご遠慮ください。\n\n\n\n\nプログ ラム\n\n\n\n \n\n 15:00-15:15\n\n 「ABCIグランドチャレンジ2 020概要」\n小川 宏高\n（国立研究開発法人 産業技術総 合研究所\n人工知能研究センター 総括研究主幹 \n人工 知能クラウド研究チーム長\n実社会ビッグデータ活用OI L ラボ長）\n\n概要： \nAI橋渡しクラウド（ABCI）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2020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\n1998-2003年 東京工業大学大学院情報理工学研究科助手\n2003-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\n\n \n\n\n 15:15-15:50\n\n 「深層学習の理論 研究に資する情報行列の大規模データベース構築」\n 横田 理央（東京工業大学 学術国際情報センター　准 教授）\n\n概要： \n曲率やノイズに関する情報を含むヘ ッセ行列やフィッシャー情報行列は、深層学習を数理 最適化、統計的学習理論の観点から原理的に解明する 上で有用である。しかし、これらの行列は膨大な計算 コストを有することから、深層学習の理論研究では行 列の対角近似を用いて理論の検証を行っているのが現 状である。また、行列を正確に計算しているごく一部 の例だけからは、異なるデータセットやモデルに対す る一般的な知見を得ることは難しい。本課題では、ABCI 上で大規模情報行列を高速に計算する独自技術を活か し、ハイパーパラメータや汎化性能の予測に関する理 論の有効性を検証する上で必要となる、モデルとデー タセットと情報行列の組み合わせを提供する。これに より、大規模計算資源にアクセスできない理論研究者 が気軽に参照できるデータベースを構築することを目 指す。\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\n2015年　東京工業大学　学術 国際情報センター　准教授\n\n\n\n\n\n\n\n 15:50-16:20\n\n 「 ペプチド創薬に残された課題（体内持続性、細胞膜透 過性）の解決を目指す大規模計算手法」\n秋山 泰（東 京工業大学　情報理工学院　教授）\n\n概要： \n抗体医 薬品に続く次世代の創薬アプローチの一つとして、ペ プチド医薬品に期待が集まっている。特に特殊環状ペ プチドを用いた創薬手法は、我が国に独自技術の蓄積 があり大きな強みとなっている。しかし一方、従来の 低分子医薬品とは異なり、血中タンパク質結合率の低 さによる体内持続性の悪化や、薬効を得やすい大型環 状ペプチドにおける細胞膜透過性の悪さなどが、ペプ チド創薬に残された大きな課題となっていた。我々は 、深層学習などを用いたデータ解析に基づき、ペプチ ドの設計情報から体内持続性を事前に予測する手法を 開発してきた。また、より難題である細胞膜透過性予 測については、高精度の分子動力学シミュレーション を併用することにより、ペプチドの設計情報から実験 無しに大まかな膜透過率の傾向を予測する技術を開発 してきた。今回、ABCIグランドチャレンジ2020の機会を 得て、製薬企業等から入手した100件を越える環状ペプ チドに対して、網羅的な細胞膜透過シミュレーション を実施したので、その性能などを紹介する。\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\n（2016年　組織変更により現職 ）\n\n\n\n\n\n\n\n 16:20-16:50\n\n 「MLPerf HPCの世界最速に向 けた取り組み」\n田渕 晶大（株式会社富士通研究所　 研究員）\n\n概要： \nMLPerf HPCは宇宙論的パラメータを 予測するCosmoFlowと異常気象現象を特定するDeepCAMの2つ のベンチマークから成り、学習データ量が数TBと巨大 で、学習処理も1台のV100で1週間程度と重いという特徴 がある。\n我々は学習データに対してはステージング を行い、さらにデータを高速なストレージに配置する ことで転送時間を短縮した。学習処理に対してはGPU処 理の高速化に加えて、データ拡張による精度向上やハ イパーパラメータチューニングにより大規模並列学習 を実現した。その結果CosmoFlowとDeepCamともに学習時間を 10分台まで短縮でき、SC20で発表されたMLPerf-HPC v0.7では 他のスパコン拠点と圧倒的な差をつけて世界最速を達 成した。\n\n\n略歴：\n2018年筑波大学大学院システム情 報工学研究科コンピュータサイエンス専攻博士後期課 程修了。\n同年、株式会社富士通研究所に入社。独自 アクセラレータ向けコンパイラ開発や、深層学習の大 規模並列化による高速化に従事。現在はAIを用いた分 析システムの高速化に携わる。\n\n\n\n\n\n\n\n LOCATION:オンライン URL:https://techplay.jp/event/803333?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR