InriaとのTDAに関する共同研究成果の論文がAISTATS2021に採択されました

こんにちは．富士通研究所人工知能研究所 自律学習PJの池祐一と梅田裕平です．富士通研究所では「データの幾何学的形状」をとらえる位相的データ解析（トポロジカルデータアナリシス; TDA）について，フランスの国立研究機関であるInriaと共同研究を行っています．今回は共同研究を通して得られた成果に関する論文がAI分野の主要な国際会議であるAISTATS2021に採択されたので，その内容について概要を説明します．

TDAに関する富士通研究所の研究成果や応用例についてはWEBサイトFujitsu's TDA Technologiesで紹介しています．ご興味ある方はこちらのWEBページも見ていただけますと幸いです．

深層学習の数理と学習ダイナミクスに関する論文がAISTATS2021に採択されました

AISTATS2021に採択された論文"The Spectrum of Fisher Information of Deep Networks Achieving Dynamical Isometry"について紹介します. AISTの唐木田亮さんとの共著です.

この記事の筆者：富士通研究所人工知能研究所 自律学習PJ　早瀬友裕（博士 数理科学）

FAccT 2021に参加・発表しました

こんにちは。富士通研究所トラステッドAIプロジェクトAI倫理チーム所属の中尾悠里と申します。 今回は2021年3月3日-10日にオンラインで行われた国際会議、ACM Conference on Fairness, Accountability, and Transparency (ACM FAccT)をご紹介します。我々のチームからも口頭発表を行いました[^1]。参加メンバーを交えて、FAccTの概要と採択論文、チームメンバーが気になった論文をご紹介します[^2]。

Report on the Scikit-Learn Interpretability Workshop and Development Sprint

Hello, Norbert Preining and Hiro Kobashi from Fujitsu Laboratories Ltd., Artificial Intelligence Laboratory here. From February 8th to 10th, the Scikit-learn Consortium-organized Workshop (on Interpretability) and DevSprint was held online. Since we participated as a representative of Fujitsu, we would like to briefly report on the workshop and dev sprint. Fujitsu is member of the Scikit-learn consortium (the only one from Asia), which is promoting the growth of Scikit-learn and its adoption in Asia.

Scikit-learnコンソーシアムのワークショップとDevSprintが開催されました

こんにちは．富士通研究所人工知能研究所のプライニング ノルベルトと小橋博道です。 2月の8日から10日にかけて、Scikit-learnコンソーシアム主催のワークショップ(Interpretabilityについて)とDevSprintが開催され富士通の代表として参加しましたので、その様子を簡単にご紹介しようと思います。 なお、富士通はこのScikit-learnコンソーシアムにアジアから唯一参画している企業で、Scikit-learnの成長ならびにアジアでの浸透を推進しています。

胎児心臓超音波スクリーニングに関する論文が採録されました

こんにちは．富士通研究所人工知能研究所の安富優と酒井彬です。

富士通研究所では、理化学研究所（理研）革新知能統合研究センターがん探索医療研究チームの小松正明研究員、浜本隆二チームリーダー、昭和大学医学部産婦人科学講座の松岡隆准教授と共同で、人工知能（AI）を用いて胎児の心臓異常をリアルタイムに自動検知するシステムを開発しています。 (プレスリリース)

この度、そのシステムに関わる技術が複数の論文誌で採択されたので、その概要についてご紹介します！

• 対象論文
  • Shadow Estimation for Ultrasound Images Using Auto-Encoding Structures and Synthetic Shadows
    • Suguru Yasutomi *, Tatsuya Arakaki, Ryu Matsuoka, Akira Sakai, Reina Komatsu, Kanto Shozu, Ai Dozen, Hidenori Machino, Ken Asada, Syuzo Kaneko, Akihiko Sekizawa, Ryuji Hamamoto, Masaaki Komatsu
    • MDPI Applied Science
  • Detection of Cardiac Structural Abnormalities in Fetal Ultrasound Videos Using Deep Learning
    • Masaaki Komatsu*, Akira Sakai*, Reina Komatsu*, Ryu Matsuoka, Suguru Yasutomi, Kanto Shozu, Ai Dozen, Hidenori Machino, Hirokazu Hidaka, Tatsuya Arakaki, Ken Asada, Syuzo Kaneko, Akihiko Sekizawa and Ryuji Hamamoto: The starred authors( * ) are contributed equally
    • MDPI Applied Sciences
  • Image Segmentation of the Ventricular Septum in Fetal Cardiac Ultrasound Videos Based on Deep Learning Using Time-Series Information
    • Ai Dozen*, Masaaki Komatsu*, Akira Sakai*, Reina Komatsu, Kanto Shozu, Hidenori Machino, Suguru Yasutomi, Tatsuya Arakaki, Ken Asada, Syuzo Kaneko, Ryu Matsuoka, Daisuke Aoki, Akihiko Sekizawa and Ryuji Hamamoto: The starred authors( * ) are contributed equally
    • MDPI Biomolecules
  • Model-Agnostic Method for Thoracic Wall Segmentation in Fetal Ultrasound Videos
    • Kanto Shozu*, Masaaki Komatsu*, Akira Sakai*, Reina Komatsu, Ai Dozen, Hidenori Machino, Suguru Yasutomi, Tatsuya Arakaki, Ken Asada, Syuzo Kaneko, Ryu Matsuoka, Akitoshi Nakashima, Akihiko Sekizawa and Ryuji Hamamoto: The starred authors( * ) are contributed equally
    • MDPI Biomolecules

Flink+Elasticsearch+Kibanaで作るリアルタイム交通情報ダッシュボード

こんにちは富士通研究所のymokです。

我々の部署ではストリームデータ処理基盤技術Dracenaを開発しています。 今回は、DracenaのベースとなっているFlinkを題材として、リアルタイム交通データをFlinkに流し込んで可視化する一連のシステム構築の様子を end-to-end でチュートリアルとして示したいと思います。

NeurIPS2020 のワークショップで発表しました

こんにちは．富士通研究所人工知能研究所の梶谷まり・池祐一・小林健です． 富士通研究所では「データの幾何学的形状」をとらえる位相的データ解析 (トポロジカルデータアナリシス; TDA) を用いて時系列データを分析する機械学習技術の研究開発に取り組んでいます． 今回は， NeurIPS2020 に併設された位相的データ解析に関するワークショップ Topological Data Analysis and Beyond (2020年12月11日開催) に参加し，ポスター発表を行ったので報告します．

A Deep Dive into a Deep Learning Library for the A64FX Fugaku CPU - The Development Story in the Developer's Own Words

Introduction

Hello everyone. This is Kawakami from the Fujitsu Laboratories Platform Innovation project. The new Fugaku supercomputer has been delivered to Port Island located off the coast of Kobe. Developed jointly by RIKEN and Fujitsu, this supercomputer has entered the trial run phase this year ahead of schedule. As of June, it has already won four "firsts" in worldwide supercomputer rankings (TOP500, HPCG, HPL-AI, Graph500), so it is off to a very promising start. My department is involved in researching and developing techniques to accelerate deep learning (DL) processes on Fugaku and PRIMEHPC FX1000/700, which is our product that uses the same CPU as Fugaku. In this post, I will talk about our efforts to port oneDNN (library software used to accelerate DL processes) to Fugaku, and to contribute and incorporate our source code into Intel's main branch of oneDNN.

富岳CPU A64FX用ディープラーニングライブラリの深層 -研究者が語る開発の軌跡-

はじめに

こんにちは。富士通研究所プラットフォーム革新PJの川上です。理化学研究所/富士通が共同で開発した新しいスーパーコンピュータ「富岳」が神戸市沖のポートアイランドに納入され、当初の予定を前倒しして今年度から試行運用が開始されました。6月には早速、スパコンランキングで世界初の同時4冠(TOP500, HPCG, HPL-AI, Graph500)を獲得するなど、幸先のよい立ち上がりを見せています。私が所属する部署では富岳を始め、富岳と同じCPUを搭載した弊社製品PRIMEHPC FX1000/700上でディープラーニング(DL)処理を高速に実現する技術の研究開発をしています。今回は、DL処理を高速に実現するoneDNNというライブラリソフトウェアを富岳向けに移植し、開発したソースコードを本家IntelのoneDNNに寄稿し、取り込まれた話をご紹介します。

GitHub ActionsでBlue-Green Deploymentを組んでみた

はじめに

こんにちは、サイバーフィジカル融合基盤プロジェクトの郭です。主にインフラ周りを担当しています。 GitHub Actionsが昨年11月にGAになってだいぶ経ちました。すでに本番投入している方も多いのではないでしょうか。2020年6月にGitHub Actionsを組んでみたので、紹介したいと思います。

DX Criteriaやってみた

はじめに

初めまして、サイバーフィジカル融合基盤プロジェクトの郭と申します。主にインフラ周りを担当しています。 自分が参加している開発チームでDX Criteriaを実施してみたので記事にまとめました。

IoTDI2020に参加しました

こんにちは。富士通研究所サイバーフィジカル融合基盤PJ所属の大西(入社3年目)です。 今回は、2020年4月22,23日に開催された国際会議であるIoTDI 2020に参加し、口頭発表を行ったので報告します*1。

*1:画像はIoTDI 2020ホームページより引用

ワイパー動作による降雨の分析？Dracenaで実現する柔軟なリアルタイムデータ処理

初めまして。富士通研究所サイバーフィジカル融合基盤プロジェクトのymokです。

この投稿では、我々が研究を進めているリアルタイムデータ処理技術である Dracena（Dynamically-Reconfigurable Asynchronous Consistent EveNt-processing Architecture）のユースケースを題材として、Dracenaを利用する際のデータ処理の考え方を紹介します。