AIスタートアップ

セミナー情報

【第44回AIセミナー】「ABCIグランドチャレンジ2020成果報告会」

終了しました。

2021年1月は「ABCIグランドチャレンジ2020成果報告会」を行います。AI橋渡しクラウド（AI Bridging 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。

＜新型コロナウイルスの対応について＞
※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。

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」
日時	2021年1月14日（木） 15:00 - 17:00
受付時間	接続可能時間　14:50-17:00
場所	Zoomウェビナーによるオンライン開催 ※お申し込み後、Doorkeeper（申込ツール）より会場URLをご案内いたします。
定員	500名
参加登録	https://airc.doorkeeper.jp/events/115241
参加費用	無料
主催	産業技術総合研究所人工知能研究センター
連絡先	人工知能セミナー窓口
注意事項・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。・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。・講演の録画やアップロードはご遠慮ください。

プログラム

15:00-15:15	「ABCIグランドチャレンジ2020概要」小川宏高（国立研究開発法人産業技術総合研究所人工知能研究センター総括研究主幹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OIL ラボ長）
	概要 AI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。
	略歴 1998年東京大学大学院工学系研究科博士課程中退 1998-2003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）。
15:15-15:50	「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」横田理央（東京工業大学学術国際情報センター　准教授）
	概要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。
	略歴 2009年　慶應義塾大学　博士（工学）取得 2009年　ブリストル大学　博士研究員 2010年　ボストン大学　博士研究員 2011年　アブドゥラ国王科学技術大学　常勤研究員 2015年　東京工業大学　学術国際情報センター　准教授
15:50-16:20	「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」秋山泰（東京工業大学　情報理工学院　教授）
	概要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。
	略歴 1990　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 1990　工業技術院電子技術総合研究所　研究官 1992　京都大学化学研究所　助教授 1996　新情報処理開発機構　並列応用つくば研究室長 2000　工業技術院電子技術総合研究所　主任研究官 2001　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 2007　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）
16:20-16:50	「MLPerf HPCの世界最速に向けた取り組み」田渕晶大（株式会社富士通研究所　研究員）
	概要 MLPerf 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。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。
	略歴 2018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。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。

PageTop

15:00-15:15	「ABCIグランドチャレンジ2020概要」小川宏高（国立研究開発法人産業技術総合研究所人工知能研究センター総括研究主幹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OIL ラボ長）
	概要 AI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。
	略歴 1998年東京大学大学院工学系研究科博士課程中退 1998-2003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）。
15:15-15:50	「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」横田理央（東京工業大学学術国際情報センター　准教授）
	概要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。
	略歴 2009年　慶應義塾大学　博士（工学）取得 2009年　ブリストル大学　博士研究員 2010年　ボストン大学　博士研究員 2011年　アブドゥラ国王科学技術大学　常勤研究員 2015年　東京工業大学　学術国際情報センター　准教授
15:50-16:20	「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」秋山泰（東京工業大学　情報理工学院　教授）
	概要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。
	略歴 1990　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 1990　工業技術院電子技術総合研究所　研究官 1992　京都大学化学研究所　助教授 1996　新情報処理開発機構　並列応用つくば研究室長 2000　工業技術院電子技術総合研究所　主任研究官 2001　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 2007　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）
16:20-16:50	「MLPerf HPCの世界最速に向けた取り組み」田渕晶大（株式会社富士通研究所　研究員）
	概要 MLPerf 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。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。
	略歴 2018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。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。