並列分散処理による大規模モデル実装例

本章では，HI-brain環境上で様々なモデル構築が可能であることをいくつか例を挙げ

て示した．HI-brainの優れた点の一つに，様々な環境でのモデル実装が可能な点がある．

本節ではHI-brainの汎用性を示すために，複数台の RaspberryPiを使用した並列分散処

理による視覚モデルシミュレーションを行う．一般的な計算機以外でもモデルの動作が 可能であり，容易に並列分散処理が可能であることを示す．

Raspberry Piはコンピュータ科学教育を目的とした小型計算機である．Raspberry Piに

対応した様々なOSが公開されており，microSDにOSをインストールすることで一般 的な計算機と同様に操作可能である．一般的な計算機と比べて非常に安価であり，複数

台のマシンを容易に揃えることができる．本節で使用するRaspberry Piはその一種であ るRaspberry Pi 2 Model B²⁴を使用する．これは900MHzの4コアCPUと1GBのRAM を搭載している．また個々のRaspberry Piの計算処理結果を表示するためのディスプレ イとして，Adafruit PiTFT - 320x240 2.8" TFT+Touchscreen for Raspberry Pi²⁵を搭載させた．

実装するコンポーネントは，以下の4種類を用意した．

24 https://www.raspberrypi.org/products/raspberry-pi-2-model-b/

25 https://www.adafruit.com/product/1601

① 網膜イメージ

カメラから取得したフレーム画像またはあらかじめ用意した画像を，網膜上に 投射された画像として出力するコンポーネント

② 網膜モデル

6.1節と同様に，神経節細胞の大細胞系（magno）と小細胞系（parvo）をシミュ レーションするコンポーネント

③ V1モデル

V1 野ニューロンの性質の一つである方位選択性をシミュレーションするコン ポーネント

④ AITモデル(顔認識モデル)

AIT 野のヒトの顔に対して選択的なニューロンをシミュレーションするコン ポーネント．AIT野には特定のオブジェクトに対して選択的なニューロンが存在 しており，ここではヒトの顔を対象とする．

これら4つのモデルコンポーネントを作成し，Raspberry Pi上に構築したHI-brain環 境で動作させる．これらコンポーネントを結合させた様子をFig. 32に示す．Fig. 32-(A) は全体の結合関係である．各ディスプレイにはそのRaspberry Piでの処理結果を表示さ せている．Raspberry PiはLANケーブルを介して繋がっており，モデル間のデータ授受 は全てLANケーブルを介して行われる．Fig. 32-(B)(C)(D)(E)は個々のモデルの様子を見

るためにFig. 32-(A)を拡大表示したものである．網膜イメージのコンポーネントは出力 する画像を表示しており，この画像は網膜モデルに与えられる．網膜モデルでは大細胞 系・小細胞系両方の処理を行っているが，ここでは小細胞系のシミュレーション結果を

表示させている．Fig. 32-(B)とFig. 32-(C)で表示している画像を比較すると，(C)の画像 の細部が強調されていることがわかる．このシミュレーション結果はV1，AIT のモデ ルに与えられる．V1 野モデルでは垂直な方位に対して選択的なニューロンをシミュレ ーションしている(Fig. 32-(D))．AIT 野モデルでは画像内からヒトの顔を検出している ことがわかる(Fig. 32-(E))．

モデルの実装例として，複数台の Raspberry Pi を利用したモデル実装を示した．各

Raspberry Pi上に異なるモデルを実装することで，Raspberry Piを物理コンポーネントと

して構築した．それらがどのような処理が行っているかを理解しやすくするために，

Raspberry Piにディスプレイを搭載し表示させることで，シミュレーション結果が一目

でわかるようになっている．

Raspberry Pi にモデルを構築する利点の一つに，モデルとその動作環境を SD カード

内に格納することができる点がある．Raspberry Pi にはハードディスクなどはなくスト

レージはすべてSDカードで賄う．このSDカード内にOSをインストールして動作さ せているため，Raspberry Pi で動作させたいモデルを変更する場合は SD カードを入れ 替えるだけでそれが可能となる．また他研究者にモデルを渡す場合でも，これまではそ

のモデルプログラムの動作環境をまずは用意する必要があったが，Raspberry Piごと相 手に渡すだけでモデルの共有を行うことができる．

本節では2つの領野モデルと1つの器官モデルを結合させている．これらは視覚機能 に関わる領野全体から見るとごく一部であるが，Raspberry Piの台数と実装するモデル を用意することができれば，Raspberry Pi でも十分に大規模モデルのシミュレーション

が可能であると考えられる．実際にSimonらは64台のRaspberry Piを使用した計算機 クラスタによる並列計算基盤を構築している[56]．またRaspberry Pi は組み込み機器と しての需要があり，それは様々なロボットや電子機器に作成した視覚モデルをそのまま ロボットなどに実装可能であることを意味する．

(A)

(B)

(C)

(D)

(E)

Fig. 32: Raspberry Piでのモデル構築例．(A)は結合関係の全体像である．個々のコ

ンポーネントが異なるモデルを実装しており，網膜イメージ，網膜モデル，V1モ

デル，AITモデルから構成される．これらはLANケーブルを介してデータの授受 を行う．(B)(C)(D)(E)はそれぞれのコンポーネントの様子を拡大した画像である．