ニュース・お知らせ: 2023年
電子情報通信学会 第36回多値論理とその応用研究会（2023年1月松江）で発表した論文が，2023年9月23日にMVL（Multiple Valued Logic)論文賞を受賞しました
2023.10.5
論文の詳細は以下のとおりです．
戸田康介氏（2023年3月情報科学専攻修了，現日立製作所勤務），笹尾勤九工大名誉教授（明治大研究知財客員研究員），井口幸洋教授，
「n-gramとルール処理を用いた楽曲の和音進行推定法」
高性能並列計算機システム研究室（宮島 敬明 専任講師）の発表が情報処理学会 ハイパフォーマンスコンピューティング(HPC)研究発表会
学生優秀発表賞を受賞しました
2023.9.12
論文の詳細は以下のとおりです．
研究会報告タイトル
「Cerebras CS-2を用いたリダクション処理の実装と性能評価」
著者
福岡 伶音，宮島 敬明
- 論文抄録
- 近年の計算機は演算性能が向上しているが，Byte/Flops
値で表されるメモリ帯域と演算性能の比率は悪化し続けており，増大する消費電力も性能向上の阻害要因となっている．
また，マルチノード環境では演算に比べて非常に長いノード間通信がボトルネックになり，スケーリングが問題となっている．
この様な計算機システムで高い性能を達成するには，アプリケーションとシステムへの深い知識と高いプログラミング能力が求められる．
これらの問題を解決すべく開発された Cerebras CS-2 システムは，749,715 個のプロセッシング・エレメントを持つ世界最大のチップ Wafer Scale Engine-2
を搭載する高性能計算および深層学習向けのアクセラレータである．本研究の最終目的は，大規模な科学技術計算への CS-2 の適用可能性を理解することである．
本稿では，STREAM ベンチマークを模した指標を用いて CS-2 実機の演算性能とメモリバンド幅の測定ならびに消費電力の評価と，
リダクションの性能モデル作成と全系での性能評価について述べる．全系の実効演算性能は半精度/単精度浮動小数演算で最大
2.98/1.02 PFlops を，メモリバンド幅はそれぞれ最大 8.94/8.93 PB/s を達成し，その際の消費電力は 16.40kW であった．
学生優秀発表賞（HPC研究会）-情報処理学会
https://www.ipsj.or.jp/award/hpc-award1.html
論文ページ
https://ipsj.ixsq.nii.ac.jp/ej/?action=pages_view_main&active_action=repository_view_main_item_detail&item_id=225154&item_no=1&page_id=13&block_id=8
数理最適化研究室（飯塚秀明専任教授）の論文が国際会議 ICML 2023 に採択されました
2023.8.7
機械学習のトップカンファレンスである International Conference on Machine Learning (ICML) 2023において，明治大学理工学部情報科学科数理最適化研究室から1本の論文が採択されました．
[Website] https://icml.cc/Conferences/2023/
[Accepted Papers] https://proceedings.mlr.press/v202/
Poster Presentation:
Naoki Sato, Hideaki Iiduka: Existence and Estimation of Critical Batch Size for Training Generative Adversarial Networks with Two Time-Scale Update Rule, The 40th International Conference on Machine Learning (ICML), Hawaii Convention Center, Honolulu, Hawaii, USA (Jul. 23-29, 2023)
Proceedings of the 40th International Conference on Machine Learning:
Naoki Sato, Hideaki Iiduka: Existence and Estimation of Critical Batch Size for Training Generative Adversarial Networks with Two Time-Scale Update Rule, Proceedings of the 40th International Conference on Machine Learning, PMLR 202: 30080-30104 (2023)
https://proceedings.mlr.press/v202/sato23b/sato23b.pdf
