2020-06-11 今日はやる気がでない

研究日誌
  • 難しめの実装の設計をするためにコードをめちゃ読んだり周辺知識を調査して、コードにあれこれ書きながらトライアンドエラーして頭を使っている時はめちゃくちゃ楽しいんだけど、その先に概ねこうやったらできそうという実装のコードが明確に脳内にできると急にやる気が出なくなってしまうの僕の悪い癖
    • ここまできたら後はその通りにコード書くだけだから思考停止してコンパイラと共同作業すれば良いだけなんだけど、なんだろうね、僕は多分その過程でコードを動かしながら頭を使った試行錯誤や知的好奇心を埋めていく作業が好きなんだろう。それでうまくいった時最高に気持ちいいんだけどそこがピーク。
    • いやまあでも、そこからきっちり完成させていくのだけど、そこにワクワクは既にないなぁ。でも完成後のリファクタリングやバグ報告を受けた修正作業はまたかつてのワクワクが少なからず生じるので結構好き
  • どうにかやる気を出してtcprivの/proc/net/tcpriv実装をやっていく
    • 少し休めばやる気がすぐ出るはず
    • 明日頑張ろう
  • 今日は定例のペパ研研究会
    • アカデミアとの関係性も皆さん深くなってきているのもあり、やっている内容もすごく学術性の高い取り組みになってきてりうようでワクワクする
      • もちろん実効性や有効性などの実践面での良さに加えて
  • なんか、こうめいめっちゃ成長してない？？？？？？？？？？？？？？？？？？？？？？？？
  • こうめい先生！
    • 力武先生のマネをしていた！！！！！
  • DICOMOで発表になるつるべーさんがファーストオーサで僕が共著の論文のアブスト・タイトルが公開されていた
    • DICOMO2020 プログラム
    • アニーリングマシンを活用したエッジAIにおける生成モデルの学習効率化のためのアーキテクチャ
    • IoTデバイスが生成するデータを活用した課題解決の手法として，人工知能（AI）を用いてデバイス上で知的なタスクを実行するエッジAIが注目されている．エッジAIに実装するAI技術として，画像・文章生成や異常検知等の幅広い応用が可能な生成モデルが期待されている．生成モデルの学習には，一般に計算コストが高い確率分布のサンプリングが必要であり，学習速度や精度に強く影響を与える．新たな学習手法として，量子アニーリングを実装したD-Waveマシンを用いて生成モデルの一つであるボルツマンマシンの学習効率化に成功している．一方，この学習手法をエッジAIに適用する場合，D-Waveマシンは費用や動作環境等の理由からエッジ領域への配置は困難であり，クラウドサービスとしての利用となるため，デバイスとクラウド間の距離に起因した通信遅延が発生し，学習・推論のボトルネックとなる．また，一般にエンドデバイスは処理能力が低いため，サンプリングをデバイス上で実行することは難しい．本研究では，生成モデルの学習アクセラレータとして，D-Waveマシンに比べ小型かつ低コストのアニーリングマシンをデバイスの近傍に配置することで，エッジAIにおいて生成モデルの学習をクラウドを介さずに効率化するアーキテクチャを提案する．提案手法により，学習・推論への通信遅延の影響を抑えつつ，汎用的かつ低スペックなデバイス上で高い応用性をもつ生成モデルの活用を可能にする．評価の結果から，アニーリングマシンを用いてボルツマンマシンの学習を効率化できること，およびアニーリングマシンをデバイスの近傍に配置することで，クラウド経由でD-Waveマシンを用いる場合と比べて，学習・推論時間の高速化が期待できることを示した．
      • 結構面白くて良い研究になったと思える
      • また、つるべーさん自信もここから派生、あるいは、より要素となる柱を補強するような方向で研究を進める予定でそれもとても楽しみ

  • これとにかく美味しいのでおすすめです。材料はamazonなどで買ってください。