1: 2017/11/20(月) 12:16:52.81 _USER
東京大学(東大)は、機械学習の転移学習という技術を活用して人工知能が繰り返し成長することで、
物質の界面の構造を決定するための計算コストを1/3600まで削減することに成功したと発表した。

同成果は、東京大学生産技術研究所の溝口照康 准教授、小田尋美氏、清原慎氏、
東京大学大学院新領域創成科学研究科の津田宏治 教授らの研究グループによるもの。
詳細は日本の学術誌「Jounal of the Physical Society of Japan」に掲載された。

界面は、物質の電気伝導性やイオン伝導性、耐久性などの機能に役割を果たしている。
界面の構造は結晶とは異なっており、その構造が界面における機能の起源だ。
つまり、界面の機能を理解するためには、界面固有の構造を明らかにすることが不可欠だ。

一方で、同じ物質でも無数の種類の界面が存在し、それぞれの界面が異なる構造をもっている。
さらに、その中の1種類の界面でも、数千~数万個という候補構造が存在しており、
従来はすべての候補構造について理論計算を行い、候補の中から最も安定なものを決める必要があったため、
さまざまな種類の界面の構造を網羅的かつ系統的に決定することは困難だとされてきた。

研究グループはこれまで、ある問題を解くための人工知能を作成するクリギングという機械学習の手法を利用して人工知能を作成し、
界面構造を探索させる手法を開発してきた。 今回の研究では、転移学習という手法をクリギングに組み込んだ。
転移学習は、作成した人工知能を類似した別の問題を解くために利用するというものだ。
前に学習した知識を利用して新しい問題を解くことで、より高速かつ正確に解くことが可能になる。
つまり、学習した知識を転移することで、「賢い」人工知能を作ることができる。

研究グループは、転移学習を利用するために3次元だった従来の探索空間(パラメータ)を74次元に拡張した。
今回の研究では、同手法の有効性を確認するために、過去に報告のある鉄の33種類の界面の構造を決定した。
それらすべての界面の構造を決定するためには、実に165万660回もの膨大な理論計算が必要だった。
しかし、研究グループが開発したクリギングと転移学習を組み合わせた手法を用いることで、
計算コストを約1/3600まで削減し、462回の計算ですべての界面構造を決定することに成功したという。

また、転移学習なしのクリギングでは、1241回の理論計算が必要だったが、知識を転移するたびにより賢くクリギングを行い、
転移学習なしの場合と比較すると、約3倍速く探索を終えることができたとしている。

なお、今回の成果を受けて研究グループは、同手法を利用することで、界面の構造をより効率的に決定することができ、
物質の開発スピードが加速されることが期待されるとコメントしている。

関連ソース画像
no title


マイナビニュース
http://news.mynavi.jp/news/2017/11/17/090/

引用元: http://anago.2ch.sc/test/read.cgi/scienceplus/1511147812/

4: 2017/11/20(月) 12:32:59.48
今まで何やってたん?(笑)

15: 2017/11/20(月) 13:16:57.03
>>4
人工知能って概念が無くて人間が必死にプログラムや計算式考えていた

でも、そういうのを学習して最適解を自動的に出すプログラムに切り替えたら高速化した

10: 2017/11/20(月) 12:57:11.29
1時間の作業を…1分たらず

12: 2017/11/20(月) 13:07:47.36
>>10

60分の1しか縮んでないぞ

13: 2017/11/20(月) 13:09:22.95
1/3600ですよね

14: 2017/11/20(月) 13:09:55.28
訂正…1秒

18: 2017/11/20(月) 13:31:40.58
1年掛かる計算が2時間半程度になるのか

何故か「必要な人員を3600分の1」とか読み間違え
これは大リストラ時代でも始まるのかなんて考えてしまった

27: 2017/11/20(月) 17:53:54.75
計算速度自体も速くなってる

組み合わせ全数を計算しなくても効率的に探索できる>>1のような手法も続々出てきてる


実験しか出来ない材料科学者は淘汰されて
インフォマティクスと実験の両方に精通したヤツが生き残っていく

28: 2017/11/20(月) 17:56:58.20
こういう使い方いいね
家庭用PCでも高度な技術計算できるようになりそう

32: 2017/11/20(月) 18:37:27.88
もともと1時間が1秒になっても
大したことないよね

42: 2017/11/21(火) 09:14:13.88
>>32
大したことあるよ。41日が1000秒だからな
1ヶ月を超えてまだまだ終わらないのを考えたら大変な時間効率である

36: 2017/11/20(月) 22:51:48.58
74次元空間・・・

46: 2017/11/21(火) 10:41:06.85
人の脳はスーパーコンピュータにその計算量で遥かに及ばないのに、
既存の人工知能以上のことを実現できる。
計算量とは異なる何かまったく別な解決法があるのかもしれないね。

47: 2017/11/21(火) 11:31:55.24
>>46
そもそも人工知能は人間の脳処理の一部をシミュレートして実現したもの。

48: 2017/11/21(火) 12:02:36.33
>>46
それが量子だろ

PCは1桁数字を記述・理解するだけでも4ビット処理してる
人間や量子なら1桁は1桁で考えてる

49: 2017/11/21(火) 12:55:05.02
脳は量子的だからどうこうという説は未確認。
個人的には最小単位が確率的である必要はないと思ってるな。

最小単位がただの確実なアナログってだけで、膨大な自由度と
結合があれば外からは確率的にしか見えない。

50: 2017/11/21(火) 13:01:40.24
人間の脳のシナプス結合の数は100兆と言われてるからな。
計算機が物理的にこの数に到達できても、脳の計算アルゴリズムがよくわからないだろう。
アルゴリズムが解明されたら、人間を超えるな。

55: 2017/11/22(水) 00:17:04.86
でも速くなってもその理由が未解明ってのが
なんとも不気味だww。

56: 2017/11/22(水) 00:29:55.14
>>55
未解明と言うほどではないじゃないか?
結局は、アンサンブルが正規分布関数でどれだけ近似して良いかって事に帰着されるだろう

60: 2017/11/22(水) 03:56:21.14
でも結局74次元というパラメータを決めたのは人間なんでしょ?
そこの最適解をAI使って出して次元数を減らして計算したほうが全体として速くならないの?

65: 2017/11/27(月) 18:42:06.45
津田さん、相変わらず活躍してるなあ