日時
2022年11月11日（金）15:30-17:00
場所
オンライン開催（Zoom）
主催
東京大学 大学院工学系研究科 附属システムデザイン研究センター アドバンテストD2T寄附講座
東京大学 大学院工学系研究科 附属システムデザイン研究センター 基盤デバイス研究部門
定員
なし
参加費
無料
参加申し込み
Webフォーム https://u-tokyo-ac-jp.zoom.us/meeting/register/tZYvf-CorzIjHdScoBPa4lVbGWyKhZVTS30G#/registration
※申込締切：11月11日（金）15:30
概要
11月のD2T特別セミナーでは、米国で活躍されている研究者2名による講演を行います。
最初の講演では、従来よりも20％以上回路性能向上が期待できる、最新の論理回路自動合成手法について解説します。従来手法とは異なり、論理最適化処理、回路のテクノロジライブラリのセルからなる回路への変換、そして、組合せ回路を部分的にフリップフロップをこえて移動させることによる順序回路のタイミング最適化が統合されています。この手法はオープンソースツールとして実装され公開されています。
2番目の講演では、深層学習に関する議論の内もっとも興味深い点である、なぜ深層学習結果は個々のトレーニングデータを記憶するだけでなく、それらの知識を一般化できるのか、について議論します。つまり、なぜ見たこともない新しい入力に対しても適切な出力をだせるのか、についてです。講演では、実験結果に基づいた、一般化される機構の新しい説明を提示し、また、今後の方向について議論します。
D2T seminar in November hosts two distinguished researchers from US.
The first talk discusses advanced logic circuit synthesis techniques by which logic circuit operations can become faster by 20% or more. The idea is to unify logic optimization, transformation into cells in libraries, and sequential circuit optimization, and recently implemented new tools significantly improve the performance of the synthesized circuits.
The second talk discusses one of the most important issues in deep learning: why learning results by deep learning have generalization not just memorizing each training pattern. That is, it reasonably works well as well for new inputs which are never seen in the training phase. This is the key feature of deep learning, and the talk gives a way to explain it and proposes future directions.
プログラム
Title: Integrating Logic Synthesis, Technology Mapping, and Retiming
Lecture: Dr. Alan Mishchenko, the EECS Department at University of California, Berkeley
Title: On the Generalization Mystery in Deep Learning
Lecture: Dr. Satrajit Chatterjee, Google AI till
お問い合わせ
肥後 昭男 (Higo, Akio)
higo(at)if.t.u-tokyo.ac.jp
※(at)を@に書き換えてください。
東京大学 大学院工学系研究科 附属システムデザイン研究センター アドバンテストD2T寄附講座
東京大学 大学院工学系研究科 附属システムデザイン研究センター 基盤デバイス研究部門
Tel: +81-3-5841-0233 FAX: +81-3-5841-1093
ホームページ
[URL] http://www.vdec.u-tokyo.ac.jp/d2t/D2Tspecialseminar2022v3.html
http://www.dlab.t.u-tokyo.ac.jp/
https://arim.t.u-tokyo.ac.jp/
最新情報は、イベントWebサイトでご確認ください。