Soumettre la recherche
Mettre en ligne
公開用_講演資料_SCSK.pdf
•
0 j'aime
•
379 vues
直
直久 住川
Suivre
第12回 ACRiウェビナー_SCSK様ご講演資料
Lire moins
Lire la suite
Ingénierie
Signaler
Partager
Signaler
Partager
1 sur 28
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用
HEROZ-JAPAN
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
Masahiro Sakai
WindowsではじめるROSプログラミング
WindowsではじめるROSプログラミング
Takayuki Goto
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII
Recommandé
Ponanzaにおける強化学習とディープラーニングの応用
Ponanzaにおける強化学習とディープラーニングの応用
HEROZ-JAPAN
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
tf,tf2完全理解
tf,tf2完全理解
Koji Terada
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
Masahiro Sakai
WindowsではじめるROSプログラミング
WindowsではじめるROSプログラミング
Takayuki Goto
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII
Marp Tutorial
Marp Tutorial
Rui Watanabe
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
UnityとROSの連携について
UnityとROSの連携について
UnityTechnologiesJapan002
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
モデル高速化百選
モデル高速化百選
Yusuke Uchida
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
Hideki Takase
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
数理最適化とPython
数理最適化とPython
Yosuke Onoue
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
本当は恐ろしい分散システムの話
本当は恐ろしい分散システムの話
Kumazaki Hiroki
コンピュータ将棋・囲碁における機械学習活用
コンピュータ将棋・囲碁における機械学習活用
Takashi Kato
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
Life Robotics
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
Masayuki Ota
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
Fixstars Corporation
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
静岡大学情報学部 組込みシステムアーキテクト研究所
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
オラクルエンジニア通信
Contenu connexe
Tendances
Marp Tutorial
Marp Tutorial
Rui Watanabe
深層強化学習と実装例
深層強化学習と実装例
Deep Learning Lab(ディープラーニング・ラボ)
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
ShunsukeNakamura17
UnityとROSの連携について
UnityとROSの連携について
UnityTechnologiesJapan002
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
モデル高速化百選
モデル高速化百選
Yusuke Uchida
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
Hideki Takase
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
Hironori Washizaki
数理最適化とPython
数理最適化とPython
Yosuke Onoue
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
cvpaper. challenge
本当は恐ろしい分散システムの話
本当は恐ろしい分散システムの話
Kumazaki Hiroki
コンピュータ将棋・囲碁における機械学習活用
コンピュータ将棋・囲碁における機械学習活用
Takashi Kato
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
Life Robotics
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
Norishige Fukushima
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
Masayuki Ota
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
Introduction to YOLO detection model
Introduction to YOLO detection model
WEBFARMER. ltd.
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
Fixstars Corporation
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
Tendances
(20)
Marp Tutorial
Marp Tutorial
深層強化学習と実装例
深層強化学習と実装例
研究分野をサーベイする
研究分野をサーベイする
Rustに触れて私のPythonはどう変わったか
Rustに触れて私のPythonはどう変わったか
UnityとROSの連携について
UnityとROSの連携について
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
モデル高速化百選
モデル高速化百選
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
ロボットシステムのつくりかた 〜Robot Operating Systemというアプローチ〜
(修正)機械学習デザインパターン(ML Design Patterns)の解説
(修正)機械学習デザインパターン(ML Design Patterns)の解説
数理最適化とPython
数理最適化とPython
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
【メタサーベイ】Transformerから基盤モデルまでの流れ / From Transformer to Foundation Models
本当は恐ろしい分散システムの話
本当は恐ろしい分散システムの話
コンピュータ将棋・囲碁における機械学習活用
コンピュータ将棋・囲碁における機械学習活用
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
協働ロボットCOROの開発における形式的仕様記述KMLの開発と適用
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
画像処理ライブラリ OpenCV で 出来ること・出来ないこと
協調フィルタリングを利用した推薦システム構築
協調フィルタリングを利用した推薦システム構築
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Introduction to YOLO detection model
Introduction to YOLO detection model
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
ソフト高速化の専門家が教える!AI・IoTエッジデバイスの選び方
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
Similaire à 公開用_講演資料_SCSK.pdf
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
静岡大学情報学部 組込みシステムアーキテクト研究所
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
オラクルエンジニア通信
FPGAをロボット(ROS)で「やわらかく」使うには
FPGAをロボット(ROS)で「やわらかく」使うには
Hideki Takase
Ac ri lt_fixstars_20210720
Ac ri lt_fixstars_20210720
直久 住川
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Hironori Washizaki
Microsoft AI Solution Update / DLL community Update
Microsoft AI Solution Update / DLL community Update
Hirono Jumpei
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
Daiyu Hatakeyama
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
dstn
チケットの利用による経験を活かした開発の可能性
チケットの利用による経験を活かした開発の可能性
Makoto SAKAI
Rakuten20181027
Rakuten20181027
Natsutani Minoru
SQiP2012 - 質問表の活用によるプロジェクトの早期リスク検出
SQiP2012 - 質問表の活用によるプロジェクトの早期リスク検出
Takanori Suzuki
20161011 intro-ohkawa lab-pub
20161011 intro-ohkawa lab-pub
Takeshi Ohkawa
Microsoft AI セミナー - Microsoft AI Platform
Microsoft AI セミナー - Microsoft AI Platform
Daiyu Hatakeyama
ZytleBot:ROS対応自動走行ロボットへのFPGA活用を加速化する統合開発プラットフォーム
ZytleBot:ROS対応自動走行ロボットへのFPGA活用を加速化する統合開発プラットフォーム
Hideki Takase
High-speed Sorting using Portable FPGA Accelerator (IPSJ 77th National Conven...
High-speed Sorting using Portable FPGA Accelerator (IPSJ 77th National Conven...
Takuma Usui
Ms retail update ra 20191030
Ms retail update ra 20191030
Microsoft Azure Japan
FPGA, AI, エッジコンピューティング
FPGA, AI, エッジコンピューティング
Hideo Terada
本当にできるの?ミッションクリティカルシステムのクラウド移行 第1回:検討すべき10のポイント (Oracle Cloudウェビナーシリーズ: 2021年...
本当にできるの?ミッションクリティカルシステムのクラウド移行 第1回:検討すべき10のポイント (Oracle Cloudウェビナーシリーズ: 2021年...
オラクルエンジニア通信
Deep Learning on Rescale - Oct/11/2016 at Rescale night
Deep Learning on Rescale - Oct/11/2016 at Rescale night
Rescale Japan株式会社
XDDPプラクティス路線図とパターン・ランゲージ ~時を超えた派生開発の道~
XDDPプラクティス路線図とパターン・ランゲージ ~時を超えた派生開発の道~
Noriko Kawaguchi
Similaire à 公開用_講演資料_SCSK.pdf
(20)
組込みSW開発技術研究会キックオフミーティング
組込みSW開発技術研究会キックオフミーティング
超高速な機械学習を Oracle Database で実現!
超高速な機械学習を Oracle Database で実現!
FPGAをロボット(ROS)で「やわらかく」使うには
FPGAをロボット(ROS)で「やわらかく」使うには
Ac ri lt_fixstars_20210720
Ac ri lt_fixstars_20210720
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
新しいソフトウェアエンジニアリングのためのパターンランゲージに向けて
Microsoft AI Solution Update / DLL community Update
Microsoft AI Solution Update / DLL community Update
佐賀大学 - データ分析と向き合う
佐賀大学 - データ分析と向き合う
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
2015年2月26日 dsthHUB 『DataSpiderインターナル プラガブルアーキテクチャで広がる可能性』
チケットの利用による経験を活かした開発の可能性
チケットの利用による経験を活かした開発の可能性
Rakuten20181027
Rakuten20181027
SQiP2012 - 質問表の活用によるプロジェクトの早期リスク検出
SQiP2012 - 質問表の活用によるプロジェクトの早期リスク検出
20161011 intro-ohkawa lab-pub
20161011 intro-ohkawa lab-pub
Microsoft AI セミナー - Microsoft AI Platform
Microsoft AI セミナー - Microsoft AI Platform
ZytleBot:ROS対応自動走行ロボットへのFPGA活用を加速化する統合開発プラットフォーム
ZytleBot:ROS対応自動走行ロボットへのFPGA活用を加速化する統合開発プラットフォーム
High-speed Sorting using Portable FPGA Accelerator (IPSJ 77th National Conven...
High-speed Sorting using Portable FPGA Accelerator (IPSJ 77th National Conven...
Ms retail update ra 20191030
Ms retail update ra 20191030
FPGA, AI, エッジコンピューティング
FPGA, AI, エッジコンピューティング
本当にできるの?ミッションクリティカルシステムのクラウド移行 第1回:検討すべき10のポイント (Oracle Cloudウェビナーシリーズ: 2021年...
本当にできるの?ミッションクリティカルシステムのクラウド移行 第1回:検討すべき10のポイント (Oracle Cloudウェビナーシリーズ: 2021年...
Deep Learning on Rescale - Oct/11/2016 at Rescale night
Deep Learning on Rescale - Oct/11/2016 at Rescale night
XDDPプラクティス路線図とパターン・ランゲージ ~時を超えた派生開発の道~
XDDPプラクティス路線図とパターン・ランゲージ ~時を超えた派生開発の道~
Plus de 直久 住川
ACRi-Webinar_Feb2023_agenda_20230225.pdf
ACRi-Webinar_Feb2023_agenda_20230225.pdf
直久 住川
第11回ACRiウェビナー_東工大/坂本先生ご講演資料
第11回ACRiウェビナー_東工大/坂本先生ご講演資料
直久 住川
第11回ACRiウェビナー_インテル/竹村様ご講演資料
第11回ACRiウェビナー_インテル/竹村様ご講演資料
直久 住川
2022-12-17-room.pdf
2022-12-17-room.pdf
直久 住川
ACRiルーム副室長_安藤様_講演資料
ACRiルーム副室長_安藤様_講演資料
直久 住川
DSF実行委員長_酒井様_講演資料
DSF実行委員長_酒井様_講演資料
直久 住川
ACRi事務局_住川_講演資料
ACRi事務局_住川_講演資料
直久 住川
VCK5000_Webiner_GIGABYTE様ご講演資料
VCK5000_Webiner_GIGABYTE様ご講演資料
直久 住川
AMD_Xilinx_AI_VCK5000_20220602R1.pdf
AMD_Xilinx_AI_VCK5000_20220602R1.pdf
直久 住川
VCK5000_Webiner_Fixstars様ご講演資料
VCK5000_Webiner_Fixstars様ご講演資料
直久 住川
第9回ACRiウェビナー_セック/岩渕様ご講演資料
第9回ACRiウェビナー_セック/岩渕様ご講演資料
直久 住川
第9回ACRiウェビナー_日立/島田様ご講演資料
第9回ACRiウェビナー_日立/島田様ご講演資料
直久 住川
20220525_kobayashi.pdf
20220525_kobayashi.pdf
直久 住川
220526_ACRi_Ando01r.pdf
220526_ACRi_Ando01r.pdf
直久 住川
2205ACRi_jinguji.pdf
2205ACRi_jinguji.pdf
直久 住川
ACRiポジショントーク_山科.pdf
ACRiポジショントーク_山科.pdf
直久 住川
ACRiウェビナー:小野様ご講演資料
ACRiウェビナー:小野様ご講演資料
直久 住川
ACRiウェビナー:岩渕様ご講演資料
ACRiウェビナー:岩渕様ご講演資料
直久 住川
ACRiウェビナー:アジェンダ
ACRiウェビナー:アジェンダ
直久 住川
Noriyuki Aibe, "High Efficiency Connection Method on Electric Signal Lines be...
Noriyuki Aibe, "High Efficiency Connection Method on Electric Signal Lines be...
直久 住川
Plus de 直久 住川
(20)
ACRi-Webinar_Feb2023_agenda_20230225.pdf
ACRi-Webinar_Feb2023_agenda_20230225.pdf
第11回ACRiウェビナー_東工大/坂本先生ご講演資料
第11回ACRiウェビナー_東工大/坂本先生ご講演資料
第11回ACRiウェビナー_インテル/竹村様ご講演資料
第11回ACRiウェビナー_インテル/竹村様ご講演資料
2022-12-17-room.pdf
2022-12-17-room.pdf
ACRiルーム副室長_安藤様_講演資料
ACRiルーム副室長_安藤様_講演資料
DSF実行委員長_酒井様_講演資料
DSF実行委員長_酒井様_講演資料
ACRi事務局_住川_講演資料
ACRi事務局_住川_講演資料
VCK5000_Webiner_GIGABYTE様ご講演資料
VCK5000_Webiner_GIGABYTE様ご講演資料
AMD_Xilinx_AI_VCK5000_20220602R1.pdf
AMD_Xilinx_AI_VCK5000_20220602R1.pdf
VCK5000_Webiner_Fixstars様ご講演資料
VCK5000_Webiner_Fixstars様ご講演資料
第9回ACRiウェビナー_セック/岩渕様ご講演資料
第9回ACRiウェビナー_セック/岩渕様ご講演資料
第9回ACRiウェビナー_日立/島田様ご講演資料
第9回ACRiウェビナー_日立/島田様ご講演資料
20220525_kobayashi.pdf
20220525_kobayashi.pdf
220526_ACRi_Ando01r.pdf
220526_ACRi_Ando01r.pdf
2205ACRi_jinguji.pdf
2205ACRi_jinguji.pdf
ACRiポジショントーク_山科.pdf
ACRiポジショントーク_山科.pdf
ACRiウェビナー:小野様ご講演資料
ACRiウェビナー:小野様ご講演資料
ACRiウェビナー:岩渕様ご講演資料
ACRiウェビナー:岩渕様ご講演資料
ACRiウェビナー:アジェンダ
ACRiウェビナー:アジェンダ
Noriyuki Aibe, "High Efficiency Connection Method on Electric Signal Lines be...
Noriyuki Aibe, "High Efficiency Connection Method on Electric Signal Lines be...
公開用_講演資料_SCSK.pdf
1.
Copyright © SCSK
Corporation 量子アルゴリズムのFPGA実装と協調設計 SCSK株式会社 R&Dセンター 技術開発部 大塚 高廣 /鈴木 鉄兵(博士) 2023年2月28日 第12回ACRiウェビナー:FPGAで知的好奇心を刺激しよう!
2.
2 Copyright © SCSK
Corporation 大塚 高廣 本日の登壇者1 2021年にはSCSKでFPGA応用研究チーム・リーダーとなり、プロジェクトのマネジメントを行いながら、市場動向調査、特 定処理の最適化を実現するFPGAをベースとしたシステムアーキテクト、回路設計技術考案、論文発表やプレスリリースなど 多岐にわたる業務を行っている。 ●宇宙(2007年~2015年) 総合電機メーカで衛星・ロケット向け「通信モデム」開発に従事 キーワード:FPGA / DSP / PCB / 信号処理 /衛星測位システム / 小惑星探査機 ロケット追尾システム ●自動車(2015年~2021年) 自動車メーカにて「車載部品」開発に従事 キーワード:ボディ制御ECU / モデルベース開発 / テスト自動化 / PM / コネクテッドカー コネクテッドナビ 専門分野 • HPC分野: ヘテロジニアス・コンピューティング、FPGA • 通信分野:ディジタル変復調 • 量子コンピューティング分野: 量子ソフトウェア、量子技術の社会実装 • その他:モデルベース開発、ソフトウェアテスト、自動テストシステム 量子AIに関する論文: [1] T. Suzuki, T. Miyazaki, T. Inaritai & T. Otsuka. Quantum AI simulator using a hybrid CPU–FPGA approach. (2022) arXiv: 2206.09593
3.
3 Copyright © SCSK
Corporation 本日の登壇者2 鈴木 鉄兵 博士(工学) 専門分野 • 量子化学分野: 量子化学、電子状態計算、第一原理分子動力学シミュレーション • 機械学習分野: マテリアルズ・インフォマティクス、画像処理技術、非線形回帰 • HPC分野: スーパーコンピュータ、ヘテロジニアス・コンピューティング、GPU、FPGA • 量子コンピューティング分野: 量子AI、量子アルゴリズム、量子ソフトウェア、量子技術の社会実装 • 早稲田大学 理工学部 電気電子情報工学科卒業 • 同大学大学院 理工学研究科 生命理工学専攻 博士後期課程修了、博士(工学) • 博士論文のテーマ:第一原理分子動力学シミュレーション • (学校法人)早稲田大学・助手、客員講師(常勤) • (国研)物質・材料研究機構・ポスドク研究員 • (国研)理化学研究所・協力研究員 • (民間企業)複数のIT企業で受託業務等に従事、量子ベンチャー企業を経て、現職 量子AIに関する論文: [1] T. Suzuki, T. Miyazaki, T. Inaritai & T. Otsuka. Quantum AI simulator using a hybrid CPU–FPGA approach. (2022) arXiv: 2206.09593 [2] T. Suzuki & M. Katouda. Predicting toxicity by quantum machine learning. J. Phys. Commun. 4. (2020) 125012. 2021年にはSCSKで量子チーム・リーダーとなり、プロジェクトのマネジメントを行い ながら、市場動向調査、アルゴリズム研究、量子SDK・APIの開発、アプリケーション開発、 論文発表やプレスリリースなど多岐にわたる業務を行っている。
4.
4 Copyright © SCSK
Corporation 本日のアジェンダ セクション1:研究背景と概要 • 量子コンピュータの現状とシミュレータの必要性 • 「量子AIシミュレータ」(量子AIに特化した量子シミュレータ)のご紹介 • プレスリリースとメディアの掲載 • 今回の量子AIシミュレータの開発背景 セクション2:量子アルゴリズム研究とFPGA協調設計 • FPGAアクセラレーション開発における協調設計プロセス • 量子サポートベクターマシンとは? • CPU-FPGAハイブリッド・アプローチによる量子SVMの概要 • 量子回路アルゴリズムからFPGA実装へ(協調設計) • FPGA実装の具体的な手順について セクション3:FPGAアクセラレータ開発 • FPGAアクセラレータ開発 セクション4 :アプローチの効果、結果および応用 • アプローチによる効果 • インテグレーションレポート結果 • 画像データ(Fashion MNIST)の多クラス分類への応用 • まとめ
5.
5 Copyright © SCSK
Corporation 研究背景と概要 セクション1
6.
6 Copyright © SCSK
Corporation 量子コンピュータの現状とシミュレータの必要性 NISQ (Noisy Intermediate-Scale Quantum) ハードウェアの課題 量子コンピュータ・シミュレータが必要な理由 量子ビットのエラー スケーラビリティ 量子状態は繊細であり、量子ビットやゲート操作のエラー率が高く、深い量子回路が実行できない アクセスと費用 物理量子ビット数は数十から数百であり、ノイズの影響により「有効な」量子ビットはさらに少ない 一部の研究機関や企業しかアクセスできないハードウェアも多く、クラウド利用のコストも高い ノイズレス 低コスト ノイズの無い状態でシミュレーションできるため、量子アルゴリズムを評価しやすい 古典コンピュータであれば、PCやクラウド利用のコストは低く、試行錯誤やテストができる 量子ビットや 基本ゲート操作の 実現 ノイズのある中規模な 量子コンピュータ NISQ 誤り訂正のある小規模な 量子コンピュータ 初期FTQC 誤り訂正のある大規模な 量子コンピュータ 汎用FTQC 現在(2023年) 汎用シミュレータを作るのではなく、ユースケースや社会実装を起点としてシミュレータを開発する
7.
7 Copyright © SCSK
Corporation 「量子AIシミュレータ」(量子AIに特化した量子シミュレータ)のご紹介 利用コストと時間の比較 量子 コンピュータ 量子 シミュレータ 本量子AI シミュレータ 利用コスト 数百万円~ 無償 EC2利用料 (1.65USD/h) 時間 数時間~数日 (JOB待ち含む) 16.5時間 5.8ミリ秒 独自の量子AIアルゴリズムをFPGAに実装 システム全体図 ◇ 量子SVM(サポートベクターマシーン) 780個の特徴量を持つ画像の2クラス分類において、 量子SVMを活用して400件のデータで学習を1度行う場合の比較 理論上1,000個の特徴量(パラメータ)を計算可能 ◇AWS-F1をベースにシミュレーションプラットフォームを開発 現在は、オンプレミス環境でも動作可能(AMD/Xilinx Alveo U200をベース) 独自開発のAPI経由で 外部アプリケーションの FPGAアクセラレーションが可能 + SDK
8.
8 Copyright © SCSK
Corporation プレスリリースとメディアの掲載 プレスリリース(2022/07/14) 発信元:SCSK株式会社 『FPGA を活用した量子 AI シミュレーターを開発 ~従来比 1,000 万倍の高速化を実現~』 メディア掲載 ・IT Leaders ・Yahoo! JAPAN ニュース ・クラウド Watch ・MONOist ・日刊工業新聞 ・ニュースイッチ ・dmenuニュース ・電子デバイス産業新聞
9.
9 Copyright © SCSK
Corporation 今回の量子AIシミュレータの開発背景 実装 アルゴリズム 理論 量子カーネル法(量子回路による特徴関数の設計) CPU(機械学習)+FPGA(量子回路の演算) 量子回路アルゴリズムからFPGAへ実装 するために数理的な変換と計算量削減 利用方法 クラウド利用(AWS EC2 F1†) 用途 WebAPI 背景 ①国内において量子技術は重要な 革新技術かつ基盤技術として位置 づけられた ➁NISQの技術的な課題がある ③量子アプリケーションの開発環境 が完全に整ってない 目的 デジタル人材が活用できるように、 クラウド環境上で動作する高速かつ 低コストな量子AIシミュレータを 開発する 画像分類 † Amazon Web Services Elastic Computing Cloud (EC2) F1 Instances
10.
10 Copyright © SCSK
Corporation 量子アルゴリズム研究とFPGA協調設計 セクション2
11.
11 Copyright © SCSK
Corporation FPGAアクセラレーション開発における協調設計プロセス ●量子回路設計、実装、検証 ●行列演算式に変換 ●演算式 解析 ●演算式 展開 ●多項式へ変換 ●RTL回路検討、見積もり、設計 ●シミュレーション、実装、検証 ●制約事項などの 課題共有 アルゴリズム開発 FPGAアクセラレータ開発 ●アルゴリズム研究者、SWエンジニア、FPGAエンジニアの間を取り持つ「潤滑油人材※」が重要 ※潤滑油人材 = メンバーが話しやすい、相談しやすい人。ただのつなぎ役でなく、方向を決定するうえでの決断力も求められる ●理論考案、検証 研究者 SWエンジニア システムアーキ 取りまとめ (潤滑油) FPGAエンジニア ●計算量削減検討
12.
12 Copyright © SCSK
Corporation 量子サポートベクターマシンとは? Havlíček, V. et al. (2019). Supervised learning with quantum-enhanced feature spaces. Nature, 567, 209–212. 教師 データ 主成分分析 カーネル計算 マージン最適化 学習フロー テスト データ カーネル計算 分類 パラメータ、 サポートベクター 主成分分析 推論フロー テストデータとサポートベクター を用いて計算する 次元削減 次元削減 𝐾 𝒙, 𝒙′ = 𝜙 𝒙 𝜙 𝒙′ 2 𝑦 = sgn 𝑖 𝑦𝑖𝛼𝑖 ∗ 𝐾 𝒙 𝑖 , 𝒙 + 𝑏∗ 𝐾 𝒙 𝑖 , 𝒙 特徴関数を量子回路で顕に表現し、 量子カーネル行列を生成する サポートベクターマシン: 機械学習の一つで、高次元の特徴空間に写像し、データを識別する方法
13.
13 Copyright © SCSK
Corporation CPU-FPGAハイブリッド・アプローチによる量子SVMの概要 画像データをPCAにより次元 削減を行う ▼ データはCPUからFPGAに PCIeで転送される ▼ 浅い固定の量子回路を設計 した(この部分をFPGA実装で アクセラレーション。量子もつれ のための量子ビット数は6まで 対応) ▼ FPGAで計算した内積を CPUに転送し、量子カーネル 行列を構築する ▼ 得られた量子カーネル行列を 使って、量子サポートベクター マシン(QSVM)を実行する arXiv:2206.09593 (the manuscript is under review) https://arxiv.org/abs/2206.09593
14.
14 Copyright © SCSK
Corporation 量子回路アルゴリズムからFPGA実装へ(協調設計) 量子回路:量子カーネル法に適した浅い 量子回路およびデータ埋め込み(独自手法) 内積計算:量子カーネルを特徴関数(状態 ベクトル)の内積として計算する アルゴリズムによる工夫:ユニタリー行列 や初期ベクトルのスパース性を利用し、 量子ビット数に対する計算量を削減 𝑂(𝑁4 /𝜀2 ) 𝑂(𝑁2 ) 𝑁: データ数 行列ベクトル演算 量子回路 𝑛: 量子ビット数 2𝑛 × 2𝑛 FPGAハードウェアによる高速化: 乗算器が限られているFPGAへの実装が可 能となり、並列処理化および内部メモリに よって高速化を実現 FPGA実装 アルゴリズムによる工夫による計算量の削減 並列処理 内部メモリの活用 浅い回路 データ埋め込み
15.
15 Copyright © SCSK
Corporation FPGA実装の具体的な手順について 𝑉11 0 0 𝑉22 0 0 0 0 0 0 0 0 𝑉33 0 0 𝑉44 1 0 0 1 0 0 0 0 0 0 0 0 0 1 1 0 𝑈11 𝑈12 𝑈21 𝑈22 𝑈13 𝑈14 𝑈23 𝑈24 𝑈31 𝑈32 𝑈41 𝑈42 𝑈33 𝑈34 𝑈43 𝑈44 1 0 0 0 今回は、右図の量子回路に固定する (事前の調査でこの量子回路を使って MNISTの分類ができることを確認) ▼ 行列ベクトル演算に変換する (一般にユニタリー行列の要素は複素数) ▼ 零要素を多く含む行列やベクトルがあり、 アルゴリズム的な工夫により計算量を 削減(詳細はプレプリントを参照のこと) ▼ FPGA内での三角関数の計算は、 CORDIC IPを採用し、演算はすべて 16ビット固定小数点演算を採用した (カーネル行列の要素は、0から1の範囲 に収まるため、ほぼ問題が起こらない) ▼ 複素乗算器の総数を見積もり、FPGA で実行できることを事前に机上検討 arXiv:2206.09593 (the manuscript is under review) https://arxiv.org/abs/2206.09593 Complex Multiplier
16.
16 Copyright © SCSK
Corporation FPGAアクセラレータ開発 セクション3
17.
17 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (全体像) Internal RAM (BRAM URAM) ●RTL設計 ●シミュレーション ●ビルド ●インテグレーションレポート確認 AXI Interconnect DATA Divider LogiCORE IP CORDIC Host application CPU FPGA Tensor Product Quantum State calculation Square Of the norm Inner product Quantum Kernel ●PFへデプロイ(クラウド or Alveo) ●動作検証(Vivadoのロジアナ) .xo .xclbin .AFI変換 アクセラレーションシステム系統図 アクセラレーションシステム開発フロー
18.
18 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (標準IP利用) ●三角関数変換は標準で利用可能なLogiCORE IP CORDICを利用 ●大幅な開発工数削減に貢献 Sin Cos θ/2 Quantum Kernel LogiCORE IP CORDIC 除算はHost側で 予め実施
19.
19 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (メイン演算ユニット) ●行列演算等を多項式形式に変換し、回路設計を実施 ●メインのカーネル設計において高位合成は用いず、ほぼ全てRTL記述で設計を実施 各演算ユニットの並列化などの柔軟性を活かすことで処理の高速化に寄与できる റ 𝐴 = 𝑎1, 𝑎2 , 𝐵 = 𝑏1, 𝑏2 റ 𝐴 ∙ 𝐵 = 𝑎1𝑏1 + 𝑎2𝑏2 例:ベクトルの内積→多項式変換
20.
20 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (レベルダイヤ検討) × 16b 16b 32b 16b Xilinx DSPスライス 演算ビット数に応じて相応の 演算ユニットが必要になる ●一つの演算器に消費されるDSPスライスは2個以上にならないように考慮 ●そのため、各演算器におけるビット幅が27×18bitを超えないようなレベルダイヤ設計の検討が必要 後段へ 精度影響を考慮しなが らレベルダイヤを決定 固定少数点
21.
21 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (内部メモリの活用) Kernel External mem ●アクセラレータの高速化を実現する上で、内部メモリによるバッファリング構成が望ましい ●そのために、アルゴリズム~アクセラレータ設計における演算量低減アプローチを行う必要がある 10GB/s~40GB/s 100GB/s~ Host ⇔ FPGAデータ転送 FPGA カーネル処理バッファリング Internal mem
22.
22 Copyright © SCSK
Corporation FPGAアクセラレータ開発 (PYNQの活用) ・アルゴリズム研究者 ・SWエンジニア・・等 利用 PYNQ overlay PYNQ IPs Quantum kernel Linux kernel Drivers APIs Apps Python PYNQ notebooks numpy QSVM etc. lib PYNQ libs Overlay dma MMIO PCIe CPU FPGA ●PYNQを活用することで、Python+jupyter notebooksをフロントエンドとして扱えるため インタラクティブなFPGAアクセラレータの開発が可能となった。 ●同様に、FPGAに馴染みのないアルゴリズム研究者やソフトウェアエンジニアとの協調もし易くなった。
23.
23 Copyright © SCSK
Corporation アプローチの効果、結果および応用 セクション4
24.
24 Copyright © SCSK
Corporation 各アプローチによる効果 472X ●Qiskit Aerや、CPUとFPGAで量子カーネル演算を実行した場合の処理速度を比較 ●FPGAの実行速度は通信オーバーヘッドを含めても、CPUの実行速度に比べ472倍高速化 (データ数がN=1000の場合) ●参考として、CPU/FPGAの量子カーネル値の誤差は± 0.095 %以内に収束 CPU vs FPGAにおける量子カーネル値のパリティプロット データ数Nに対する実行時間 ※緑はホストとの 通信時間込 ※青はFPGAカーネル 単体処理時間
25.
25 Copyright © SCSK
Corporation インテグレーションレポート結果 AWS-F1環境において 以下の条件で実装使用率 の比較を行った ①量子ビット(2qbit) ②量子ビット(6qbit) ※いずれも 量子もつれ状態を模擬 現状、①と②の条件においてLUT/FFやDSP、RAMなどに余裕はあるが、8qbit以上になるとRAMやDSPの使用 率が90%超える見込み。大規模な量子もつれを模擬するために拡大実装するには、相応の工夫が必要(秘策アリ)
26.
26 Copyright © SCSK
Corporation 画像データ(Fashion MNIST)の多クラス分類への応用 特徴量を400次元まで 変化させた 今回の量子カーネルは、 最適化されたバンド幅を 持つガウスカーネルと同 じ程度の精度を持つこと が分かった 角度エンコーディングの 中のスケーリング因子λ が重要な役割を果たす ことが分かった arXiv:2206.09593 (the manuscript is under review) https://arxiv.org/abs/2206.09593
27.
27 Copyright © SCSK
Corporation まとめ 最後に、開発にあたり、ACRiの記事、ACRiルームの利活用は、今回シミュレータPFを開発するうえで大変有益であった。 この場を借りて支援いただいたAMD/Xilinx社の住川様、安藤様にお礼申し上げます。 ①現状の量子コンピュータは制限事項が多々あり、量子技術の研究開発や、社会実装を推進するためにシミュ レーション技術の活用が必要 ②FPGAの様々な柔軟性を活かすことで、高負荷処理の大幅な高速化が実現可能。特に独自開発のアルゴリズ ム処理最適化を実現する上ではFPGAとの相性が良い ③今後の展開として、量子カーネルを応用したデータ分析技術や、汎用的な量子回路シミュレーターも検討して いきたい ☚AWS-F1環境を構築 するうえで非常に役に立った記事 ☚サーバーサイドFPGA技術の基礎 を習得するうえで大変役に立つ環境
28.
28 Copyright © SCSK
Corporation ご清聴ありがとうございました
Télécharger maintenant