デジタルツインでモビリティ群を賢く制御する
分散深層学習がもたらす未来の可能性
協創情報研究部 知能創発環境研究 グループ
丹羽 健太
丹羽 健太
デジタルツインを介した集合知形成・協調制御の最新研究について紹介します。サーバー群やIoT機器群に分散して蓄積されたデータや分散した制御系を学習可能なデジタルツインを介して協調利用することを考えています。これにより、個ではなく群を効率よく制御したり、分散して観測したデータを使って集合知モデルを形成し、全体の系を最適化することが可能になります。本講演では、デジタルツインを用いたスマートモビリティの研究事例について報告します。
関連文献
[1] IOWNコンセプトビデオ, "Mobility by IOWN", https://www.youtube.com/watch?v=4fo_kEYrY6E
[2] K. Niwa, N. Ueda, H. Sawada, A. Fujino, S. Takeda, B. Kleijn, and G. Zhang, "CoordiNet: Constrained dynamics learning for state coordination over graph", in Proc. the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD 2022), (under review).
[3] J. Chen, A. H. Sayed, “Diffusion adaptation strategies for distributed optimization and learning over networks,” IEEE Transactions on Signal Processing, Vol. 60, No. 8, pp. 4289?4305, 2012.
[4] B. McMahan, E. Moore, D. Ramage, S. Hampson, B. A. y Arcas, “Communication?efficient learning of deep networks from decentralized data,” in Proc. Artificial Intelligence and Statistics (AISTATS 2017), pp. 1273?1282, 2017.
[5] K. Niwa, N. Harada, G. Zhang, and B. Kleijn, “Edge-consensus learning: deep learning on P2P networks with nonhomogeneous data,” in Proc. the 26th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining (KDD 2020), pp. 668?678, 2020.
[6] K. Niwa, G. Zhang, B. Kleijn, N. Harada, H. Sawada, and A. Fujino, “Asynchronous decentralized optimization with implicit stochastic variance reduction", in Proc. of the 38th International Conference on Machine Learning (ICML 2021), 2021.
丹羽 健太
NTT コミュニケーション科学基礎研究所 協創情報研究部 知能創発環境研究グループ 特別研究員、コンピュータ＆データサイエンス研究所 兼務。2008年 名古屋大学大学院修士課程修了。同年、NTTに入社。2014年 名古屋大学大学院博士課程修了。博士(情報科学)。入社より音響信号処理(主にマイクロホンアレイ信号処理)の研究に従事。2017-2018年 Victoria University of Wellington客員研究員。分散最適化(機械学習の一分野)の研究に興味を持ち、ネットワークを介した集合知形成の研究に従事。IEEE会員。