[3S1-GS-2] 機械学習：

[3S1-GS-2-03] 効率的なアーキテクチャ埋め込み空間構築のためのNAVIGATORの活用

〇逸見 一喜¹、谷垣 勇輝²、大西 正輝³ (1. 筑波大学，産業技術総合研究所、2. 大阪工業大学、3. 産業技術総合研究所，筑波大学)

キーワード：自動機械学習、ニューラルアーキテクチャサーチ、グラフニューラルネットワーク、人工知能、深層学習

Neural Architecture Search（NAS）はデータや目的に応じてニューラルネットワークの構造を自動的に探索・最適化するAutoMLの手法である．
NASの探索効率を高めるには，アーキテクチャを適切に特徴量として捉え，潜在空間に効果的に埋め込む方法が重要となる．
近年，Graph Neural Networkを活用するNAVIGATORがアーキテクチャ特徴量の抽出手法として提案されているが，入力空間の表現力や埋め込み後の潜在空間の特性は未だ不明である．
そこで本研究では，NASBenchにNAVIGATORを適用して多様な構造に対する潜在特徴量空間を獲得し，埋め込み前後の入出力関係を分析することで構造の潜在特徴量空間の妥当性および有効性を調査する．
また，NAVIGATORのエンコーダに精度予測機構を導入し，予測精度を考慮した潜在特徴量空間への変換を実現する．埋め込み後の潜在空間の詳細を分析し，効率的な埋め込み空間を構築することで，よりデータやタスクに適したアーキテクチャを生成するための新たなNAVIGATORの活用方法を示す．