九州大学-研究者情報 [美添一樹 (教授) 情報基盤研究開発センター先端計算科学研究部門]

複合的・階層的な自動チューニングを実現する数理基盤手法の研究とライブラリの開発
2015.04～2018.03, 代表者：須田礼仁, 東京大学

自動チューニングは、ソフトウェアが内包するパラメタを自ら調整し、多様な条件下で良好な性能を達成することを目指す技術である。従来、複数のパラメタの調整が必要な場合、網羅試行か経験的枝刈りが広く用いられてきたが、本研究では、ベイズ統計に基づき、現実的に有効かつ漸近的に最適解を導く数理的手法を目指した。
従来研究の調査により、線形モデルと相関モデルが使われており、両者は同時に使うこともできることを示した。そのようなモデルを記述から、事前情報と実測結果から性能モデルを構築するプログラムを自動生成する仕組みを構築した。また、自動チューニング数理ライブラリの多様な計算に適用し、その有効性を確認した。.

機械学習と探索の協調による高性能最適化アルゴリズム
2020.04, 代表者：美添一樹, 九州大学
機械学習を他のアルゴリズムを併用することにより、機械学習単独で解くことが難しい複雑な意思決定問題を解くことが可能となっている。しかし高い能力を持つ有望な手法でありながら、適用対象は限られている。
一つの理由は、探索アルゴリズムは機械学習と比較して利用が難しいことである。これは実装面の難しさと汎用性の二つの理由がある。もう一つは並列化が容易でない事である。深層学習に代表される近年の有用なアルゴリズムの多くは多数のコアで効率良く動作する並列アルゴリズムである。探索アルゴリズムは有用であるが、並列化が難しいと思われている。
この2点を解決し、機械学習＋探索の枠組みを広く普及させることを目指す。.

研究業績

主要著書

全てを見る→

主要原著論文

全てを見る→

1.	Xiufeng Yang, Tanuj Kr Aasawat, Kazuki Yoshizoe, Practical Massively Parallel Monte-Carlo Tree Search Applied to Molecular Design., The Ninth International Conference on Learning Representations (ICLR2021), 2021.05.
2.	Kazuki Yoshizoe, Akihiro Kishimoto, Tomoyuki Kaneko, Haruhiro Yoshimoto, Yutaka Ishikawa, Scalable Distributed Monte Carlo Tree Search, Proceedings of The Fourth Annual Symposium on Combinatorial Search (SoCS2011), 4, 180-187, 2011.07.
3.	Kazuki Yoshizoe, Akihiro Kishimoto, Martin Mueller, Lambda Depth-first Proof Number Search and its Application to Go, 20TH INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (IJCAI-2007), 2404-2409, 2007.01, Thomsen's lambda search and Nagai's depth-first proof-number (DFPN) search are two powerful but very different AND/OR tree search algorithms. Lambda Depth-First Proof Number search (LDFPN) is a novel algorithm that combines ideas from both algorithms. lambda search can dramatically reduce a search space by finding different levels of threat sequences. DFPN employs the notion of proof and disproof numbers to expand nodes expected to be easiest to prove or disprove. The method was shown to be effective for many games. Integrating lambda order with proof and disproof numbers enables LDFPN to select moves more effectively, while preserving the efficiency of DFPN. LDFPN has been implemented for capturing problems in Go and is shown to be more efficient than DFPN and more robust than an algorithm based on classical lambda search..

主要総説, 論評, 解説, 書評, 報告書等

全てを見る→

主要学会発表等

全てを見る→

特許出願・取得

特許出願件数 0件

特許登録件数 1件

学会活動

所属学会名

電子情報通信学会

情報処理学会

人工知能学会

ICGA

ACM

学協会役員等への就任

2018.04～2022.03, 情報処理学会ゲーム情報学研究会, 幹事.

学会大会・会議・シンポジウム等における役割

2021.07.18～2021.07.24, Thirty-eighth International Conference on Machine Learning, Program Committee (reviewer).

2021.12.06～2021.12.14, Thirty-fifth Conference on Neural Information Processing Systems, Program Committee.

その他の研究活動

海外渡航状況, 海外での教育研究歴

アルバータ大学, Canada, 2011.02～2011.05.

受賞

Best Paper Award, Advances in Computer Games 13 (ACG13), International Computer Games Association (ICGA), 2011.11.

研究資金

科学研究費補助金の採択状況(文部科学省、日本学術振興会)

2007年度～2009年度, 基盤研究(A), 分担, 生体及び人工物の高精度・高信頼認識技術の研究.

2011年度～2014年度, 基盤研究(A), 汎用自動チューニング機構を実現するためのソフトウェア基盤の研究.

2011年度～2012年度, 若手研究(B), 代表, モンテカルロ木探索の汎用的高速化手法の研究.

2013年度～2016年度, 若手研究(A), 代表, 1万コア以上を用いる並列探索アルゴリズムで囲碁名人に勝つ.

2015年度～2017年度, 若手研究(B), 連続・離散ハイブリッド領域のための区間制約プログラミング技術.

2015年度～2017年度, 基盤研究(B), 分担, 複合的・階層的な自動チューニングを実現する数理基盤手法の研究とライブラリの開発.

2020年度～2024年度, 基盤研究(B), 代表, 機械学習と探索の協調による高性能最適化アルゴリズム.

競争的資金(受託研究を含む)の採択状況

2018年度～2020年度, 新道路学術会議, 分担, AI技術に基づく短期交通予測手法と総合的な交通需要マネジメントの研究開発.

九大関連コンテンツ

pure2017年10月2日から、「九州大学研究者情報」を補完するデータベースとして、Elsevier社の「Pure」による研究業績の公開を開始しました。

QIR　九州大学学術情報リポジトリシステム情報科学研究院

情報基盤研究開発センター


	※ 研究者情報全体を検索する場合は右端の「すべて」を選択して下さい。