Skip to the content
研究者紹介
- 身の回りのエッジデバイスから大規模クラウド計算基盤に至る様々なスケールの計算基盤を研究しています。最近は、計算資源の限られたエッジデバイス向けのAI（人工知能）アルゴリズムやAIチップ、ネットワーク接続型FPGA（Field-Programmable Gate Array）やGPU（Graphics Processing Unit）を用いたネットワーク内計算、分散機械学習やデータ処理の高性能化を研究しています。
研究業績紹介
- ■エッジデバイス向けオンデバイス学習アルゴリズム
・研究目的: 組込み向け小規模AIアプリケーションの精度は周囲の環境にも依存します。本研究では置かれた現場でモデルを再学習できるニューラルネットワークのオンデバイス学習手法を導入します。
- タイトル: Kazuki Sunaga, Masaaki Kondo, Hiroki Matsutani, "Addressing Gap between Training Data and Deployed Environment by On-Device Learning", IEEE Micro, Special Issue on tinyML, Vol.43, No.6, pp.66-73, Nov/Dec 2023.
・研究目的: 本研究では置かれた現場でモデルを学習できるニューラルネットワークのオンデバイス学習手法、および、小規模FPGA（Field-Programmable Gate Array）向けのハードウェア実装を提案します。
- タイトル: Mineto Tsukada, Masaaki Kondo, Hiroki Matsutani, "A Neural Network-Based On-device Learning Anomaly Detector for Edge Devices", IEEE Transactions on Computers (TC), Vol.69, No.7, pp.1027-1044, Jul 2020.
・研究目的: 本研究では置かれた現場でモデルを学習できるニューラルネットワークのオンデバイス学習手法を連合学習に応用し、他のエッジデバイスとの学習結果の共有や協調学習を実現します。
- タイトル: Rei Ito, Mineto Tsukada, Hiroki Matsutani, "An On-Device Federated Learning Approach for Cooperative Model Update between Edge Devices", IEEE Access, Vol.9, pp.92986-92998, Jun 2021.
■DNN/CNN向けオンデバイスファインチューニングアルゴリズム
・研究目的: 本研究では小規模エッジデバイス向けに軽量なファインチューニングアルゴリズムを提案し、置かれた現場で深層ニューラルネットワークモデルを更新できるようにします。
- タイトル: Hiroki Matsutani, Masaaki Kondo, Kazuki Sunaga, Radu Marculescu, "Skip2-LoRA: A Lightweight On-device DNN Fine-tuning Method for Low-cost Edge Devices", Proc. of the 30th Asia and South Pacific Design Automation Conference (ASP-DAC'25), pp.51-57, Jan 2025.
■ロボットアプリケーション向けFPGAアクセラレータ
・研究目的: 点群レジストレーションはロボットや視覚タスクで使われる重要な技術です。本研究では小規模FPGA（Field-Programmable Gate Array）向けに深層学習ベースのレジストレーション手法を提案します。
- タイトル: Keisuke Sugiura, Hiroki Matsutani, "FPGA-Accelerated Correspondence-free Point Cloud Registration with PointNet Features", ACM Transactions on Reconfigurable Technology and Systems (TRETS), Just Accepted.
・研究目的: 視覚タスク向けにCNN（畳み込みニューラルネットワーク）とMHSA（Multi-Head Self-Attention）を組み合わせたモデルを研究しています。本論文では常微分方程式を基にした近似手法でそのようなモデルを軽量化し、小規模FPGA（Field-Programmable Gate Array）に実装しています。
- タイトル: Ikumi Okubo, Keisuke Sugiura, Hiroki Matsutani, "A Cost-Efficient FPGA-Based CNN-Transformer using Neural ODE", IEEE Access, Vol.12, pp.155773-155788, Oct 2024.
・研究目的: 経路計画はモバイルロボットや自動運転などで使われる重要な技術です。本研究では小規模FPGA（Field-Programmable Gate Array）向けに深層学習ベースの2D/3D経路計画手法を提案します。
- タイトル: Keisuke Sugiura, Hiroki Matsutani, "An Integrated FPGA Accelerator for Deep Learning-based 2D/3D Path Planning", IEEE Transactions on Computers (TC), Vol.73, No.6, pp.1442-1456, Jun 2024.
・研究目的: LiDAR（Light Detection and Ranging）ベースのSLAM（Simultaneous Localization and Mapping）は移動ロボットのナビゲーションで使われる重要な技術です。本研究では2次元LiDAR SLAMを対象に小規模FPGA（Field-Programmable Gate Array）を用いた汎用ハードウェアアクセラレータを設計します。
- タイトル: Keisuke Sugiura, Hiroki Matsutani, "A Universal LiDAR SLAM Accelerator System on Low-cost FPGA", IEEE Access, Vol.10, pp.26931-26947, Mar 2022.
■通信効率の良い分散機械学習システム
・研究目的: エッジ-クラウド分散型の強化学習においてアクタはエッジ側、ラーナはクラウド側で動作することが想定されるため、両者の通信オーバヘッドが問題になります。本研究では経験サンプリングをエッジ側で行うことで通信効率を改善する分散強化学習アーキテクチャを提案します。
- タイトル: Shin Morishima, Hiroki Matsutani, "An Efficient Distributed Reinforcement Learning Architecture for Long-haul Communication between Actors and Learner", IEEE Access, Vol.12, pp.71479-71491, May 2024.
研究の応用領域
- ・機械学習
・計算機システム
・オンデバイス学習
社会的意義
- ・コンピューティング効率の向上
・持続可能な技術の開発
・プライバシーとセキュリティの強化
