jf3nka

[jf3nka]

2019 CQ WW DX CW Log Check Report

遅ればせ＆恥ずかしながら...

************************** Summary *************************** 536 Raw QSO before checking (does not include duplicates) 527 Final QSO after checking reductions 1397 Raw QSO points 1334 Final QSO points 118 Raw countries 117 Final countries 67 Raw zones 67 Final zones 185 Raw mults 184 Final mults 258445 Raw score 245456 Final score 5.0% score reduction 3 not in log 4 incorrect calls 2 incorrect exchanges 7 duplicates removed 0 (0.0%) calls unique to this log only (not removed) ********************** Results By Band *********************** Band QSO QPts Zone Cty Mult Raw 160M 0 0 0 0 0 Final 160M 0 0 0 0 0 Raw 80M 0 0 0 0 0 Final 80M 0 0 0 0 0 Raw 40M 61 150 16 27 43 Final 40M 60 147 16 26 42 Raw 20M 377 1031 23 53 76 Final 20M 370 980 23 53 76 Raw 15M 85 182 20 30 50 Final 15M 84 173 20 30 50 Raw 10M 13 34 8 8 16 Final 10M 13 34 8 8 16 Raw All 536 1397 67 118 185 258445 Final All 527 1334 67 117 184 245456 ************************* Not In Log ************************* 14067 CW 2019-11-24 0701 JF3NKA 25 UT2HC 16 7013 CW 2019-11-24 2055 JF3NKA 25 UP0L 17 14060 CW 2019-11-24 2219 JF3NKA 25 W2HZ 05 *********************** Incorrect Call *********************** 21031 CW 2019-11-23 2335 JF3NKA 25 KH6LT 31 correct KH6LC 14064 CW 2019-11-24 0741 JF3NKA 25 UW7M 16 correct UW6M 14064 CW 2019-11-24 0830 JF3NKA 25 LZ8R 20 correct LZ9R 14010 CW 2019-11-24 2204 JF3NKA 25 W8TB 04 correct W8TK *************** Incorrect Exchange Information *************** 14060 CW 2019-11-24 2255 JF3NKA 25 NI5L 04 correct 3 14060 CW 2019-11-24 2345 JF3NKA 25 W4EF 05 correct 3 ************ Stations Copying JF3NKA Incorrectly ************* 14054 CW 2019-11-23 0020 ZW5B 11 JF2NKA 25 14000 CW 2019-11-23 0731 RV3ZD 16 JA3NKA 25 14063 CW 2019-11-23 2328 W7YAQ 03 JF3NXA 25 7028 CW 2019-11-24 1330 SO9M 15 JF3NKE 25 14060 CW 2019-11-24 2246 N6QQ 03 JF3GKA 25 14063 CW 2019-11-24 2248 K6RO 3 JF3GKA 25 14060 CW 2019-11-24 2247 K3PA 4 JF3GKA 25 14060 CW 2019-11-24 2251 N6IC 3 JF3GKA 25 14000 CW 2019-11-24 2258 K9IL 04 JF3KNA 25 ********* Stations Receiving Not In Log From JF3NKA ********** 21013 CW 2019-11-24 0508 VR2CC 24 JF3NKA 25 14065 CW 2019-11-24 0625 UA6LCN 16 JF3NKA 25 14067 CW 2019-11-24 0704 5H3UA 37 JF3NKA 25

[jf3nka]

LUCKY TAPES - Gravity（Official Music Video）

[jf3nka]

Lamp - ため息の行方

[jf3nka]

2019 CQ WW DX CW Contest

　SOABL(A) 536 Qs, 67 Zn, 119 Cty, 259,842 Pts (raw)

　2日目午後にお茶をキーボードへぶちまける失態を犯す。慌てて拭き取るも、ほどなくしてEnterとBackspaceキーが利かなくなってしまった。これでは運用どころではない。幸い息子の使い古しがあったため、何とか急場は凌げたが危うくリタイアを強いられるところだった。 　
コンディションは去年と同様の低調ぶり。まぁこの時期なので文句を言っても仕方ない。

[jf3nka]

Jakob Ogawa - April

[jf3nka]

2019 WAEDC CW

Raw Score（SINGLE-OP LOW）    222Pts（111QSO + 111QTC) x 52Mlt = 11,544Pts 

所用のため初日夜のみの参加。低調かつ不安定なコンディションで例年以上にコピーに苦労させられた（きっと減点も多いだろう..）。時折21MHzも聞いてみたが開ける様子はなく、結果的に14MHzのみのQSOとなった。で、今回も見事に最低記録を更新（下図）。仮にフル参加したとしても2017年のスコアを超えることはできなかったと思う

N1MM+のQTC I/Fはかなり使い易くなったけれど、まだ詰めが甘い点が残っているようだ（例えばConfigureの“Cut Number Style”設定がTimeには効かない等。その点Win-Testは細かい部分まで洗練されていると思う）。チケットを登録したので、うまくすれば来シーズンには改善されるかもしれない

[jf3nka]

KIRINJI Golden harvest

Drums & Chorus ： 楠均 Electric bass ： 千ヶ崎学 Keyboards & Chorus ： コトリンゴ Electric guitar & Chorus ： 弓木英梨乃 Pedal steel guitar & Chorus ： 田村玄一 Percussion & Computer ： 矢野博康 Electric guitar & Vocal ： 堀込高樹

[jf3nka]

2019 ALL ASIAN DX CW Contest (2)

AA DX 参加局の年齢（コンテスト・ナンバー）分布。 （ナンバー00を除くユニーク・コール242局が対象）

最年少は11歳（BY）、最年長は87歳（DL, GM）、平均57.9歳。 2017年度の平均（57.4歳）とほぼ変わらず。

[jf3nka]

KIRINJI 恋の気配

Drums & Chorus ： 楠均 Electric bass ： 千ヶ崎学 Keyboards & Vocal ： コトリンゴ Electric guitar & Chorus ： 弓木英梨乃 Pedal steel guitar & Chorus ： 田村玄一 Percussion & Computer ： 矢野博康 Electric guitar & Vocal ： 堀込高樹

[jf3nka]

2019 ALL ASIAN DX CW Contest

Row Score SO20LP ： 30,288

ARRL, WPX に参加できなかったので、これが2019年最初のコンテスト（どころか最初のQSO）。初日の日中は強風でアンテナを上げることができず、夜になって風がおさまってから14MHzに出てみた。5～10分毎に浮き沈みする不安定なコンディションだったが、EUの奥まで強く聞こえる時間帯もあった。

[jf3nka]

浦上・ケビン・ファミリー／ 芸術と治療

[jf3nka]

2018 CQ WW DX CW Log Check Report

　昨年比で僅かに改善するも、老体にはもうこの辺りのエラーレートが限界ですな...

************************** Summary ***************************     545 Claimed QSO before checking (does not include duplicates)     536 Final   QSO after  checking reductions    1441 Claimed QSO points    1378 Final   QSO points     104 Claimed countries     104 Final   countries      61 Claimed zones      60 Final   zones     165 Claimed mults     164 Final   mults 237,765 Claimed score 225,992 Final   score    5.0% Score reduction    1.7% Error rate based on claimed and final qso counts       7 (1.3%) calls copied incorrectly       0 (0.0%) exchanges copied incorrectly       2 (0.4%) not in log       3 (0.5%) duplicates (Removed without penalty)       0 (0.0%) calls unique to this log receiving credit (not removed) ********************** Results By Band ***********************             Band   QSO  QPts  Zone Cty Mult   Claimed   160M     0     0     0   0    0   Final     160M     0     0     0   0    0   Claimed    80M     0     0     0   0    0   Final      80M     0     0     0   0    0   Claimed    40M   123   318    17  34   51   Final      40M   120   297    17  34   51   Claimed    20M   366  1001    22  46   68   Final      20M   362   965    22  46   68   Claimed    15M    49   106    17  18   35   Final      15M    47   100    16  18   34   Claimed    10M     7    16     5   6   11   Final      10M     7    16     5   6   11   Claimed    All   545  1441    61 104  165    237765   Final      All   536  1378    60 104  164    225992 ************************* Not In Log ************************* 7033 CW 2018-11-25 1410 JF3NKA        25 UN1QWA        17 14051 CW 2018-11-25 2204 JF3NKA        25 N2MM          05 *********************** Incorrect Call *********************** 21039 CW 2018-11-24 0215 JF3NKA        25 BY0MK         27 correct DY0MK 21034 CW 2018-11-24 0541 JF3NKA        25 BY1CW         24 correct BY1CY 14004 CW 2018-11-24 0550 JF3NKA        25 R3RR          16 correct R4RR 14062 CW 2018-11-24 0729 JF3NKA        25 RT6T          16 correct RT6A 14062 CW 2018-11-24 0758 JF3NKA ��      25 RM3R          16 correct RM4R 7031 CW 2018-11-24 0924 JF3NKA        25 N7GP          03 correct N6GP 7014 CW 2018-11-25 2126 JF3NKA        25 S52M          15 correct S53M ********************** Lost Multipliers ********************** 21039 CW 2018-11-24 0215 JF3NKA        25 BY0MK         27 correct DY0MK  -Z ************ Stations Copying JF3NKA Incorrectly ************* 21000 CW 2018-11-25 0124 KH7M          31 JF3NKL        25 7008 CW 2018-11-25 1346 SN8B          15 JG3NKA        25 7006 CW 2018-11-25 1347 OH1VR         15 JR3NKA        25 ********* Stations Receiving Not In Log From JF3NKA ********** 14061 CW 2018-11-24 0746 RU6M          16 JF3NKA        25

[jf3nka]

YOLO on the NVIDIA Jetson Nano

　2019年4月に発売されたNVIDIAのシングルボード・コンピュータ Jetson Nano(*1)を使ってYOLO(*2)の実行性能を調べてみた。

 ModelGFLOPs  fpsCfg  Weights YOLOv229.475 4  yolov2.cfg yolov2.weights YOLOv2-tiny  5.412 15 yolov2-tiny.cfg yolov2-tiny.weights YOLOv3 65.864 2 yolov3.cfg yolov3.weights YOLOv3-tiny  5.571 15 yolov3-tiny.cfg yolov3-tiny.weights

何れのモデルもDarknetフレームワーク(*3)上で実行（演算精度はFP32）。使用したリポジトリは下記 　https://github.com/AlexeyAB/darknet

モデルの総演算量（GFLOPs）はDarknetツールによるモデルパース時の出力値を転記

実行性能（fps）は「USB Cam入力 → CNN推論 → Post処理（バウンダリBox描画等）→ 表示」の一連の演算に対するフレームレート。ビデオストリーム・サイズは640x480

モデルの入力サイズ（Cfg）は416x416

訓練済みウェイトパラメータ（Weights）のデータセットはCOCO、分類は80クラス

YOLOv2実行中のコンソール

USB CamはSony PlayStation®Eye（60fps@640×480, 120fps@ 320×240）

(*1) Jetson Nanoは組み込みシステム向けにニューラルネットワークの推論演算をアクセラレートすることを狙ったシングルボード・コンピュータ。Jetsonシリーズの最廉価モデルの位置づけで、発売価格99ドル。FP16（半精度浮動小数点数）モードにおける公称ピーク性能は472GFLOPs。開発キットの主なハードウェアスペックは以下。

 CPU       64-bit Quad-core ARM A57 @1.43GHz  GPU  128-core NVIDIA Maxwell @921MHz  Memory    4GB 64-bit LPDDR4 @1600MHz | 25.6GB/s  Video Encoder  4kp30 | (4x) 1080p30 | (2x) 1080p60  Video Decoder  4kp60 | (2x) 4kp30 | (8x) 1080p30 | (4x) 1080p60   USB  (4x) USB3.0 A (Host) | USB2.0 Micro B (Device)  Camera  MIPI CSI-2 x2 (15-position Flex Connector) Display  HDMI | DisplayPort  Networking  Gigabit Ethernet (RJ45, PoE)  Wireless M.2 Key-E with PCIe x 1 Storege  MicroSD card (16GB UHS-1 recommended minimum)   40-Pin Header  UART | SPI | I2C | I2S | Audio Clock | GPIOs  Power  5V DC (μUSB, Barrel Jack, PoE) - 5W | 10W  Size 80x100mm

開発用ソフトウェア環境としてはUbuntu 18.04をベースとする「JETPACK 4.2 SDK」が準備されており、CUDA, cuDNN, OpenCV, TensorRT, Python3.6/2.7等々の深層学習向けライブラリ群が同梱される。 サーバ側の学習環境はNVIDIA GPU上にCUDA＋cuDNN＋...＋オープンソース・フレームワーク（TensorFlow, PyTorch, Caffe, etc.）で構築されるのが常だから、学習環境と推論環境とがこれらのエコシステムを介してシームレスに繋がるのがJetson開発環境の一番の“売り”と言えると思う。 （推論用ハードウェア性能だけで言えば、3月に発売されたGoogle Coral “Edge TPU”の方が速いし電力効率でも勝っている。一方、Googleの開発環境は上で述べた“地続き感”には乏しい） [参考URL] https://blogs.nvidia.co.jp/2019/04/02/jetson-nano-ai-computing/ https://developer.nvidia.com/embedded/learn/get-started-jetson-nano-devkit

(*2) YOLOは深層学習にもとづく物体検出アルゴリズムのひとつ。与えられた画像中の複数の物体に対し、分類クラスとバウンダリ・ボックス座標の信頼度確率を回帰問題として同時に解く実装がなされている。SSD（別種の物体検出アルゴリズム）と共にハードウェアのベンチマーク指標として用いられることも多い。YOLOの能力を知るには以下のTED「コンピューターはいかに物体を即座に認識できるようになったのか 」を見ていただくのが手っ取り早い。 [参考URL] https://www.ted.com/talks/joseph_redmon_how_a_computer_learns_to_recognize_objects_instantly?language=ja#t-5153 https://pjreddie.com/darknet/yolo/ https://arxiv.org/abs/1612.08242 https://www.slideshare.net/DeepLearningJP2016/dl-reading-paper20170804pdf

(*3) Darknetは深層学習用オープンソース・フレームワークのひとつ。Cで実装されている。開発者のJoseph RedmonはYOLOの作者でもある。Darknet/YOLOの実に明快なライセンス条件はここを参照。

[jf3nka]

The Mummers - Call Me a Rainbow

[jf3nka]

　DeepMindがタンパク質の折り畳み構造（フォールディング）を予測する“AlphaFold”を開発し、先日メキシコで行われたタンパク質の構造予測コンペティション（CASP13）で他の研究グループを引き離して1位を獲得*1したようだ。

タンパク質の折り畳みとは

　細胞内で遺伝子情報にもどづいて翻訳（合成）されたペプチド鎖*2は、それぞれの配列に応じた3次元構造に正しく折り畳まれることによって、はじめてタンパク質としての固有の機能を持つようになる。

　例えば、私たちの免疫系を構成する抗体タンパク質はY字型の構造をとり、Y字の両腕の部分が抗原（病原体など）を捕らえて、その抗原の特徴を記憶する*3。また、コラーゲンタンパク質は、軟骨、靭帯、骨、皮膚の間の張力を伝達するために紐状の構造をとる。

なぜタンパク質の折り畳みが重要なのか

　アルツハイマー病、パーキンソン病、ハンチントン病、嚢胞性線維症などの疾病はタンパク質の折り畳みミスによって引き起こされると考えられている。

　これらの疾患の診断、治療に加え、体内でのタンパク質の役割を理解するためには、その構造を予測する能力が必要とされる。また、折り畳みの理解はタンパク質設計を可能とし、創薬や地球環境改善（廃棄物を分解するバクテリア設計）などへの応用にも資すると期待される。

タンパク質の折り畳み形状は計算可能か

　タンパク質の折り畳みは物理法則に基づいて進行するが、その法則（自由エネルギー最低状態の算出方法）が解明されていないため、アミノ酸配列から理論的に計算することができない。

　一方、もしランダム探索を使ってタンパク質が取り得る3D構造を網羅的に評価する方法を採ると、必要な計算時間は宇宙の年齢（138億年）をはるかに超えてしまう*4。

　過去50年の間、科学者たちは低温電子顕微鏡法、核磁気共鳴法、X線結晶構造解析法といった実験技術を使ってタンパク質の形状を追い求めてきた。が、これらの方法は多分に試行錯誤に依存する上、1回あたりの実験コストも高い。

AlphaFoldとは

　DeepMindが開発したニューラル・ネットワークに基づく計算システム「AlphaFold」は、以下の手順でタンパク質の折り畳み構造を“推論”する。

既知のタンパク質構造を教師データとしてトレーニングされたネットワークAを用いて、未知のペプチド鎖中の各アミノ酸ペア構造について以下を推論する 　　a) アミノ酸ペア間の距離 　　b) アミノ酸ペア間の化学結合の角度

上で得られたアミノ酸ペアの距離分布を（何らかの評価関数を用いて）スコア化し、このスコアが最良解にどの程度近づいているかを推論するための別のネットワークBをトレーニングする

このネットワークの推論結果（好スコア構造）と合致する構造をタンパク質ランドスケープから検索する

従来の構造生物学で一般的に用いられる技術（ドメイン知識）を適用し、検索したタンパク質構造の断片��推論で得られたタンパク質の断片で置換する操作を繰り返す

上の操作で得られたタンパク質構造を新たな教師データとしてネットワークAとBのトレーニングを繰り返し、推論精度を改善する*5

一定の改善が進んだネットワークAと、新たに用意した別の評価関数（最急降下法に基づくもの）を使ってさらにトレーニングを行い、ネットワークを最適化する。ここでの最適化は上の工程のような断片構造ではなく、タンパク質鎖全体に適用する

下図は最終的なタンパク質構造の推論結果例

緑：実際のタンパク質の構造 青：AlfaFoldが推論した構造

CASP13に参加したのは98の研究チーム。AlphaFold（エントリG043/A7D ）は43種のタンパク質のうち25種の構造を正確に予測した。2位のチームは3種であった。

アミノ酸がペプチド結合によって並んだ分子構造

病原体の構造を記憶した抗体タンパク質は同じ構造の病原体を捕まえて排除する。従ってある型のインフルエンザに対する抗体が体内にできれば、以降は同型には罹患しない

アミノ酸150個（150残基）から構成されるタンパク質を想定する。ひとつのアミノ酸が3種類の位置状態を取りうるとし、一回の状態変化に0.1ps（1x10-13秒）を要すると仮定すると、全探索に必要な時間は 　　3150 x 10-13 ≒ 1058秒 ≒ 1050年（宇宙の年齢は1.38 x 1010年） しかし実際のタンパク質は1ms程度で折り畳まれる。これは上の速度で1010回の探索回数にしか過ぎない（Levinthalのパラドクス）

トレーニングのイタレーション方法はDeepMindのブログ記事に詳しく書かれていないので、この一連のフローは多分に推測を含んでいる（権利化などの事情で詳しく書けない点があるのかもしれない。追って論文で明確になることを期待したい ）。既知のタンパク質構造の教師データだけでは全く足りなくて、この工程を必要とするのだと思われる。が、下手をすると逆効果（精度劣化）を生じるだろうし、ドメイン知識を援用せざるを得ない点にもAlphaZeroとは違った困難さが顔を覗かせているように感じる。とは言え、そういった危険な隘路をくぐり抜けたからこそコンペで勝つことが出来たわけで、やはり手放しでお見事という他ない

[jf3nka]

2018 CQ WW DX CW Contest

　SOABL(A)  545 Qs,  60 Zn,  104 Cty,   235,996 Pts(raw) 

　今年はなかなかスケジュールが合わず、ずっとコンテストに参加できずにいた。このまま2018年が終わってしまうのは忍びなく、都合をつけて久しぶりにリグの前に座ってみた。

　あまりに久しぶりすぎてコンディションの良し悪しがよく分からない。が、21MHz以上の落ち込みはますます酷くなっているようだ。一方、14MHzはオープンする時間は短いもののNA, EU方面がよく聞こえ、ちらほらと呼ばれる時間帯もあった。

[jf3nka]

moumoon「moonlight」