ゾーン障害を考慮したk8s Pod配備

こんにちは。富士通株式会社研究本部ソーシャルデジタルツインPJのmacです。

私たちの部署では、社会課題を解決するデジタルツインシステムの研究開発を行っています。社会課題の解決を目的としたシステムには高い可用性が求められます。というわけで、今回はKubernetesを利用したクラウドサービスの可用性向上のお話です。

Inriaとの共同研究成果がICMLおよびIJCAIに採択されました

こんにちは．人工知能研究所 自律学習PJの池です．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，共同研究成果に関する論文がAI分野の主要な国際会議であるICML2021およびIJCAI2021に採択されたので，それら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．

対象論文

• (1) Optimizing persistent homology based functions 論文リンク
  • Mathieu Carrière, Frédéric Chazal, Marc Glisse, Yuichi Ike, Hariprasad Kannan, and Yuhei Umeda
  • The 38th International Conference on Machine Learning (ICML2021)
• (2) Topological Uncertainty: Monitoring trained neural networks through persistence of activation graphs プレプリントのリンク
  • Théo Lacombe, Yuichi Ike, Mathieu Carrière, Frédéric Chazal, Marc Glisse, and Yuhei Umeda
  • The 30th International Joint Conference on Artificial Intelligence (IJCAI2021)

AI研究用データセット公開サイト Dataset Platter をオープンしました

こんにちは。人工知能研究所 自律学習PJの河東孝と酒井彬です。

このたび富士通研究所はAI研究促進を目的に、AI研究用データセット公開サイト Dataset Platter を立ち上げました。ここで公開しているデータセットは、富士通が有益と考える問題設定に即して独自に作成したものであり、5月8日より開催されていたThe International Conference on Learning Representations (ICLR) 2021で発表した論文にも利用しているものです。

• Dataset Platter: http://dataset.jp.fujitsu.com/

どなたでもご自由に利用可能ですので、ぜひお役立てください！

Scikit-learn Dev Sprint Japanを開催しました

こんにちは、人工知能研究所 自律学習PJのプライニング ノルベルトです。

2021年5月26日～28日の3日間、Scikit-learnコンソーシアムと富士通の共催でScikit-learn DevSprint Japanを開催しましたので、レポートします。

はてなブログ DevBlog Online Meetupに登壇しました

先端融合技術研究所の横田です。GitHub等では@sushichopとして活動しています。

2021年5月24日（月）に開催されたはてなブログ DevBlog Online Meetupに登壇しました。株式会社はてな 大西さんにモデレータを行っていただきながら、エムスリー株式会社 山崎さん、LINE株式会社 桃木さんとともに、3つの各テーマに沿って「企業における技術ブログ」の運用・活用についてディスカッション形式でお話しさせていただきました。

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．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：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.