Loading article…
 | |
| 設立 | 2014年 |
|---|---|
| 創設者 | グリゴリー・フルシン |
| タイプ | 非営利研究開発組織、エンジニアリング組織 |
| 登録番号 | W943003814 |
| 集中 | コラボレーションソフトウェア、オープンサイエンス、オープンソースソフトウェア、再現性、コンピュータサイエンス、機械学習、成果物評価、パフォーマンスチューニング、ナレッジマネジメント |
| 位置 | |
| 起源 | 集団チューニングイニシアチブとマイルポスト GCC |
サービスエリア | 全世界 |
| 方法 | オープンソースツール、知識の公開リポジトリ、共同で再現可能な実験のための共通の方法論を開発する |
| Webサイト | 翻訳: |
cTuning Foundationは、コンピュータサイエンスにおける持続可能で協調的かつ再現可能な研究をサポートし、機械学習やシステムのカンファレンスやジャーナルで成果物の評価と再現性の取り組みを組織し自動化するための共通の方法論とオープンソースツールを開発している世界的な非営利団体です。[1]
注目プロジェクト
- Collective Mind - 移植可能で拡張可能ですぐに使える自動化レシピのコレクションを備えたPythonパッケージ。人間に優しいインターフェースを備え、コミュニティが多様で継続的に変化するモデル、データセット、ソフトウェア、ハードウェアにわたって複雑なAI、ML、その他のアプリケーションやシステムを作成、ベンチマーク、最適化するのに役立ちます。[2] [3] [4]
- Collective Knowledge - FAIR原則に基づいた共通の自動化アクションと拡張可能なメタディスクリプションを備えた再利用可能なコンポーネントのデータベースとしてソフトウェアプロジェクトを整理し、ポータブルな研究ワークフローを実装し、ボランティアが提供するさまざまなプラットフォーム間で実験をクラウドソーシングするためのオープンソースフレームワーク。[5]
- ACM ReQuEST - 再現可能な品質効率の高いシステムトーナメント。さまざまなプラットフォーム、環境、ライブラリ、モデル、データセットにわたって、速度、精度、コストの観点から、ディープラーニングアルゴリズムの効率的なソフトウェア/ハードウェアスタックを共同設計します。[6]
- MILEPOST GCC - 機械学習ベースの自己最適化コンパイラを構築するためのオープンソーステクノロジー。
- アーティファクト評価 - コンピュータシステムや機械学習の会議で発表された論文の実験結果の検証。[7] [8] [9]
- 再現可能な論文 - 移植可能なワークフローと再利用可能な研究コンポーネントを備えた再現可能な論文の公開インデックス。
歴史
グリゴリ・フルシンは、 2009年のマイルポストプロジェクトの終了時にcTuning.orgを開発し、コミュニティの取り組みとして機械学習ベースのプログラムとアーキテクチャの最適化に関する研究を継続しました。[10] [11]
2014年、cTuning Foundationはフランスで非営利研究開発組織として登録されました。同財団はEU TETRACOMプロジェクトとARMから資金提供を受け、 Collective Knowledge Frameworkを開発し、 ACMおよびIEEEカンファレンス 向けに再現可能な研究方法論を準備しました。[12]
2020年、cTuning FoundationはMLのイノベーションを加速するためにMLCommonsの創設メンバーに加わりました。[13]
2023年、cTuning Foundationは、Autonomous Vehicle Computing ConsortiumとMLCommonsによる新しいイニシアチブに参加し、自動車業界標準の機械学習ベンチマークスイートを開発しました。[14]
2024年以降、cTuning FoundationはMLデータセットの標準化を支援するためにMLCommons Croissantメタデータ形式をサポートしています。[15]
資金調達
現在の資金は、欧州連合研究開発資金プログラム、マイクロソフト、その他の組織から提供されています。[16]
参考文献
- ^ 「ACM TechTalk「150の研究論文を再現し、現実世界でテストする：Grigori Fursinによる課題と解決策」」 。 2021年2月11日閲覧。
- ^ Fursin, Grigori (2023年6月). 再現可能な研究と技術移転を促進する共通言語に向けて：課題と解決策。第1回ACM再現性と複製可能性会議での基調講演。doi :10.5281/ zenodo.8105339。
- ^ MLCommons が開発した自動化レシピのオンラインカタログ
- ^ HPCWire: MLPerf が最新の推論結果と新しいストレージベンチマークをリリース、2023 年 9 月
- ^ Fursin, Grigori (2020年10月). Collective Knowledge: organizing research projects as a database of reusable components and portable workflows with common interface. Philosophical Transactions of the Royal_Society . arXiv : 2011.01149 . doi :10.1098/rsta.2020.0211 . 2020年10月22日閲覧。
- ^ Ceze, Luis (2018年6月20日)、ACM ReQuEST'18 序文とレポート(PDF)、ISBN 9781450359238
- ^ Fursin, Grigori ; Bruce Childers; Alex K. Jones ; Daniel Mosse ( 2014年 6 月)。TRUST'14。PLDI'14でのコンピューター エンジニアリングにおける再現可能な研究方法論と新しい出版モデルに関する第 1 回 ACM SIGPLANワークショップの議事録。doi :10.1145/2618137。
- ^ Fursin, Grigori ; Christophe Dubach (2014 年 6 月)。コミュニティ主導の出版物のレビューと検証。PLDI'14 でのTRUST'14 の議事録。arXiv : 1406.4020。doi : 10.1145 /2618137.2618142。
- ^ Childers, Bruce R; Grigori Fursin; Shriram Krishnamurthi; Andreas Zeller (2016 年 3 月)。出版物のアーティファクト評価。Dagstuhl Perspectives Workshop 15452。doi : 10.4230/DagRep.5.11.29。
- ^ 世界初のインテリジェントなオープンソースコンパイラがソフトウェアコード最適化に関する自動アドバイスを提供、IBM プレスリリース、2009 年 6 月 (リンク)
- ^ Grigori Fursin. Collective Tuning Initiative: コンピューティング システムの開発と最適化の自動化と加速。GCC サミット '09 議事録、カナダ、モントリオール、2009 年 6 月 (リンク)
- ^ TTP プロジェクトに関する記事「COLLECTIVE KNOWLEDGE: A FRAMEWORK FOR SYSTEMATIC PERFORMANCE ANALYSIS AND OPTIMIZATION」、HiPEACinfo、2015 年 7 月 (リンク)
- ^ MLCommons プレスリリース: 「MLCommons が AI と機械学習の 50 人以上のグローバル技術リーダーと学術リーダーを結集し、ML のイノベーションを加速」 (リンク)
- ^ AVCC プレスリリース: 「AVCC と MLCommons が協力して自動車業界標準の機械学習ベンチマーク スイートを開発」(リンク)
- ^ MLCommons プレスリリース: 「新しい Croissant メタデータ形式は、ML データセットの標準化に役立ちます。Hugging Face、Google Dataset Search、Kaggle、Open ML のサポートにより、データセットを簡単に見つけて使用できるようになります。」(リンク)
- ^ cTuning財団パートナー