Die zentrale Fragestellung des Workshops war die Identifikation von Themen und Technologien, die als Treiber für Innovationen dienen können. Hierbei lag der Focus klar auf der Verbindung von High-Performance Computing mit modernsten Algorithmen für maschinelles Lernen und Entscheidungsunterstützung bei der Verwendung komplexer Daten.
Veranstaltungsort:
National Graduate Institute for Policy Studies, Tokio, Japan
Datum: 26.09.-01.10.2018
Zeit: 09:00 bis 18:00 Uhr
Veranstalter:
Institute of Mathematics for Industry (IMI) der University of Kyushu
Institute of Statistical Mathematics (ISM)
Zuse Institute Berlin (ZIB)
Forschungscampus MODAL
AIST-Tokyo-Tech Real World Big-Data Computation Open Invention Laboratory (RWBC-OIL).
Die Ziele unserer japanischen Partner treffen sich sehr stark mit den Aufgaben des ZIB und insbesondere denen des Forschungscampus MODAL. Zwischen den drei Organisatoren ISM, IMI und ZIB wurden im Jahr 2016 Kollaborationsvereinbarungen getroffen. In diesen wurde das gemeinsame Interesse an Kooperationen in speziellen Forschungsfeldern formuliert und der regelmäßige Austausch zwischen den Instituten initiiert. In der Folge hat der 1. ISM-ZIB‐IMI Workshop im Januar 2017 in Kyushu und Tokyo stattgefunden, gefolgt vom 2. Workshop im September 2017 in Berlin. Dies ist nun das dritte Treffen und es ist uns wieder gelungen eine hochrangige Gruppe von Wissenschaftlern und Industrievertretern für einen Wissensaustausch zusammenzubringen. Neben den Sprechern befanden sich auch die Vertreter verschiedener Firmen, z.B. Hitachi Research oder NTT Data, im Publikum. Besonders hat uns die Teilnahme von Dr. Hiroshi Maruyama, dem ehemaligen CTO von Preferred Networks, gefreut (siehe dazu z.B. die Bloomberg Meldung vom 16. Mai 2018, „This $2 Billion AI Startup Aims to Teach Factory Robots to Think“, preferred Networks has become Japan’s most valuable startup).
Die zentrale Fragestellung des Workshops ist die Identifikation von Themen und Technologien, die als Treiber für Innovationen dienen können. Hierbei liegt der Focus klar auf der Verbindung von High-Performance Computing mit modernsten Algorithmen für maschinelles Lernen und Entscheidungsunterstützung bei der Verwendung komplexer Daten. Hier gibt es in den Gebieten künstliche Intelligenz und diskrete Optimierung hoch interessante Fragestellungen zur Verbindung von tiefen neuralen Netzwerken und gemischt-ganzzahliger (nicht) linearer Optimierung
Am 26. September fand ein ganztägiger Kurs zur Verwendung des Softwarepaketes SCIP statt, das im MODAL SynLab entwickelt wird und auch eine Vielzahl von Nutzern in Japan hat.
Es folgten 2 Tage mit Vorträgen:
| 27.09.2018 | Sprecher | Titel |
| 09:30-09:40 | Katsuki Fujisawa IMI, RWBC-OIL |
Opening |
| 09:40-09:50 | Ingo Höllein Counsellor, Science & Technology, Embassy of the Federal Republic of Germany |
Greeting |
| 09:50-10:00 | Shigeki Mitomo Assistant Commissioner for International Affairs, Financial Services Agency, Japan |
Greeting |
| 10:00-10:25 | Thorsten Koch
ZIB / MODAL / TU Berlin |
Challenges in Optimization |
| 10:25-11:20 | Utz-Uwe Haus Cray EMEA Research Lab, Schweiz |
Optimization of Data Movement in Complex Workflows |
| 11:20-11:35 | Break | |
| 11:35-12:30 | Daniel Steffy Oakland University, USA |
Verified Solutions to Integer Programming Problems |
| 12:30-14:00 | Lunch | |
| 14:00-14:30 | Gregor Hendel ZIB / MODAL SynLab |
Adaptive Algorithmic Behavior for Solving Mixed Integer Programs Using Bandit Algorithms |
| 15:00-15:20 | Yuji Shinano
ZIB / MODAL SynLab |
ug[SCIP-Jack, MPI]: A Massively Parallel Steiner Tree Solver |
| 15:20-15:50 | Naoyuki Kamiyama IMI |
A New Solution Concept for Earliest Arrival Flows |
| 15:50-16:20 | Nozomi Hata
Graduate School of Mathematics |
Mobility Optimization on Cyber Physical System via Multiple Object Tracking and Mathematical Programming |
| 16:20-16:50 | Kenji Fukumizu ISM |
Local minima and saddle points in hierarchical structure of neural networks |
| 16:50-17:10 | Break | |
| 17:10-17:40 | Mirai Tanaka ISM |
Efficient Iterative Algorithm for Constrained Nonconvex Sparse Optimization |
| 17:40-18:10 | Takashi Tsuchiya NGRIPS |
Implementation of Interior-point Methods for LP without a Direct Linear Equation Solver |
| 28.09.2018 | Sprecher | Titel |
| 10:00-10:55 | Joao Pedro Pedroso University of Porto, Portugal |
Stochastic Last-mile Delivery with Crowdshipping |
| 10:55-11:25 | Milena Petkovic ZIB / MODAL GasLab |
Mathematical Programming for Forecasting Supplies and Demands in Gas Networks |
| 11:25-11:40 | Break | |
| 11:40-12:10 | Akio Kawabata NTT Network Service Systems Laborotories |
Distributed Processing Communication Scheme for Real-time Applications at Multiple Locations |
| 12:10-12:40 | Akihiro Yoshida Graduate school of Mathematics, Kyushu University |
New Performance Index “Attractiveness Factor” for Evaluating Website via Obtaining Transition of Users’ Interests as Network Flow |
| 12:40-14:10 | Lunch | |
| 14:10-15:40 | Panel discussion Moderation: Thorsten Koch |
Utz-Uwe Haus (Cray EMEA Research), Tomoyuki Higuchi (ISM), Hiroshi Maruyama (Preferred Networks, Inc.), Junji Nakano (ISM), Yasuhide Fukomoto (IMI) |
| 15:40-16:00 | Break | |
| 16:00-16:30 | Momoko Hayamizu ISM |
Enumeration of Phylogenetic Trees inside Phylogenetic Networks |
| 16:30-17:00 | Atsushi Yoshimoto ISM |
Discrete Optimization for Resource Management along with Biological Conservation |
| 17:00-17:30 | Shiro Ikeda ISM |
Optimization Theory and Astronomy |
| 17:30-17:40 | Satoshi Ito ISM |
Closing |
Die Panel Diskussion fand statt mit Prof. Dr. Tomoyuki Higuchi, dem Generaldirektor des ISM, Dr. Utz-Uwe Haus von Cray EMEA Research, Dr. Hiroshi Maruyama von Preferred Networks, Inc., Prof. Junji Nakano, dem Direktor der Abteilung für Statistische Modellierung am ISM und Prof. Yasuhide Fukomoto vom IMI. Moderiert wurde von Prof. Dr. Thorsten Koch vom ZIB.
Das Thema der Diskussion waren „Daten“. Hier wurden mehrere Entwicklungen diskutiert:
- Es ist zunehmend kaum noch möglich, die Daten von einem Ort zu einem anderen zu kopieren. Angenommen man möchte ein Datencenter, das 10 PB Daten gespeichert hat, umziehen. Eine Datenleitung vom 10 GiB/s braucht ungefähr 20 min um 1 TB zu transportieren, d.h. die Datenübertragung von 10 PB würde knapp fünf Monate dauern. In diesem Fall ist es schneller, die Datenbänder oder Festplatten mit einem Lastwagen an den neuen Standort zu transportieren; was allerdings Sicherheitsrisiken mit sich bringt. Da die Datenübertragung zunehmen zum Problem wird, werden die Daten dort gespeichert wo sie erzeugt werden und die Verarbeitung sollte bzw. muss dann wiederum dort stattfinden wo die Daten gelagert sind. Mithin gibt es hier eine Bewegung weg von der Zentralisierung wieder zurück zu dezentralen Lösungen.
- Bei der Steuerung und Optimierung komplexer Operationen wird es zunehmend schwierig, die Datenkonsolidierung durchzuführen und die notwendige Konsistenz sicherzustellen. Es ist jetzt mehrfach festgestellt worden, dass Data Scientists in Firmen wie in der Wissenschaft den größten Teil ihrer Zeit mit dem Bereinigen von Daten zubringen. Dies erschwert erheblich einen zügigen Transfer von wissenschaftlichen Erkenntnissen zu nutzbaren Innovationen.
- Es wurde festgestellt, dass das referenzieren von Daten in wissenschaftlichen Publikationen noch nicht so erfolgt wie es für eine gute Nachvollziehbarkeit der Ergebnisse zweckmäßig wäre, was aber nicht zuletzt an der noch mangelnden Unterstützung der Wissenschaftler durch geeignete Tools für diesen Zweck liegt, wiewohl es hier Fortschritte gibt.
Am 1. Oktober fand eine Besichtigung der Supercomputer am Information Technology Center der Universität Tokyo und der AI Bridging Could Infrastructure (ABCI) statt. Letzterer ist derzeit der leistungsfähigste Supercomputer in Japan und fünfter weltweit.
Links:
- Workshop http://imi.kyushu-u.ac.jp/~3rd_imi_ism_zib_ws/
- Workshop http://optimizationworkshop2017.zib.de/
- Workshop https://ura3.c.ism.ac.jp/opt-dhpc/
- Forschungscampus MODAL https://forschungscampus-modal.de/
- Institute of Mathematics for Industry http://www.imi.kyushu-u.ac.jp/eng/
- The Institute of Statistical Mathematics http://www.ism.ac.jp/index_e.html
- Zuse Institute Berlin http://www.zib.de
- RWBC-OIL AIST-Tokyo tech Real World Big-Data Computation Open Invention Laboratory https://unit.aist.go.jp/rwbc-oil/index-en.html
- SCIP Optimization Suite http://scip.zib.de
- The National Institute of Advanced Industrial Science and Technology https://www.aist.go.jp/index_en.html
- Preferred Networks, Inc. https://www.preferred-networks.jp/en
https://www.bloomberg.com/news/articles/2018-05-16/this-2-billion-ai-startup-aims-to-teach-factory-robots-to-think - AI Bridging Cloud Infrastructure https://abci.ai
https://www.top500.org/system/179393