※本プログラムは、R3（2021）年度で活動を終了しました。
（活動期間: 2016～2021／H28～R3）
所属・役職は、活動終了時点のものです。

穐山 空道

次世代メモリデバイスによるアプリケーションの自動高速化

研究者

穐山 空道

研究概要

本研究では、保持されたデータに一定のエラー（ビット反転）が入る代わりに高速アクセスが可能な次世代メモリデバイスを、アプリケーションの持つエラー耐性の空間的・時間的局所性に合わせて動的に制御するシステムソフトウェアを開発し、アプリケーションを自動的に高速化します。ソフトウェアの特性に合わせてハードウェアを動的に制御することで、計算結果に混入する誤差率を保証しつつ最大の高速化をアプリから透過に実現します。

石田 繁巳

無線通信を用いた車両・自転車・歩行者検出技術

研究者

石田 繁巳

研究概要

ITS（高度道路交通システム）においては車両や自転車、歩行者を検出することが重要な課題となっています。本研究の目的は、市販の無線通信機器を改造することなく用いて車両や自転車、歩行者を検出するシステムを開発することです。無線通信は周囲の環境変化の影響を受けることから、無線通信が受けた影響を解析することで車両、自転車、歩行者の検出を実現します。

石畠 正和

決定グラフを用いた組合せ最適化問題に対する統一的解法の研究

研究者

石畠 正和

研究概要

組合せ最適化問題とは、複数の選択肢の中から制約を満たし目的関数を最適化する組合せを発見する問題であり、現実問題や人工知能・機械学習問題の部分問題として多く現れます。しかし現状では、制約や目的関数が異なると、解法も異なります。そこで本研究では決定グラフと呼ばれる制約をコンパクトに表現するグラフ構造を利用することで、組合せ最適化問題に対する一般的かつ効率的な解法の構成を目的とします。

板倉 健太

機械学習や3次元点群処理技術が切り拓く植物計測の技術革新

研究者

板倉 健太

研究概要

大気汚染や地球温暖化対策は人類の喫緊の課題で、効果的な植物の大気浄化機能の抽出や有効活用のプランニングが必要不可欠です。移動体に3次元センサーを搭載し、情報工学的手法を組み合わせた植物の自動検出や生理情報と構造情報の統合解析を行います。そして植物の環境浄化機能の全自動抽出システムを実現します。本手法は自動運転やドローンと親和性が高く、ICT基盤の一部として環境保全を自律的に実行可能となります。

伊藤 伸志

部分的フィードバックに基づくオンライン凸最適化

研究者

伊藤 伸志

研究概要

オンライン凸最適化の技術は、逐次的に意思決定を繰り返す状況において有用ですが、目的関数の情報について部分的なフィードバックしか得られない実問題には直接適用できません。そこで本研究課題では、部分的なフィードバックのもとでのオンライン凸最適化問題を考察し、アルゴリズムを開発するとともに問題の複雑性を解析することで、ある意味での最適なアルゴリズムの開発とその最適性の証明を目指します。

ヴァルガス ダニロ

頑強なハイブリッド深層学習モデルの自動探索システム

研究者

ヴァルガス ダニロ

研究概要

これまでの研究では、一つのピクセルを変えることでニュラールネットワークを誤魔化すことが可能と紹介した。その発見は畳みこみニュラールネットワークの脆弱性を表すとともに、画像を知的に理解していないことを実証している。この脆弱性の原因は畳みこみニュラールネットワークのモデルである。しかし、モデルの種類とパラメーターは複数あり、一番適切なモデルとパラメーターを見つけることは非常に時間がかかる。更に、深層学習のモデルはその問題を解決できない可能性もある。従って、本研究は最適化を利用し、自動的に頑強なハイブリッド深層学習を探索し、次世代の深層学習を開発する。その目的に当たって、本研究は（a）今までニュラールネットワークへの脆弱性を見つけるため利用された攻撃を評価関数のように利用し最適化を行うことと（ｂ）進化計算の手法や神経仮想性をモデルに加えることによって成り立っている。

植吉 晃大

省電力なメモリアクセスを実現するDNNモデル学習

研究者

植吉 晃大

研究概要

厳しい電力・面積制約下で動作する深層学習プロセッサが、近年求められています。本研究では、限られた制約下で計算処理を実現するために、ハードウェア構造を意識したネットワークモデルの創出を目指します。特に、電力消費量の大半を占める、外部メモリの読み書きの効率化を図ります。アルゴリズムとハードウェアの協調設計により、エネルギー効率と認識精度の双方の最適化を行います。

江原 遥

意味空間上の広がりに基づく効率的な語彙学習支援システム

研究者

江原 遥

研究概要

語学学習は、学習する言語を用いて他の専門分野の習得も行える点が他の学習と異なります。専門分野の習得を考慮した語学学習では、語の文脈中での使い分けなど、高い解像度での学習が求められます。本研究では、語が持つ文脈の多様性を空間的な広がりとして表現する分散表現の獲得手法を開発し、専門分野の要学習語やその文脈ごとの使い分けを、学習者に合わせて提示・可視化する、効率的な語彙学習支援システムを開発します。

大城 泰平

重みつき組合せ最適化と多項式行列理論のインタラクション

研究者

大城 泰平

研究概要

一部の組合せ最適化問題は行列理論を経由して効率的に解くことができ、また逆にある種の行列の問題は、組合せ最適化の道具を用いて解けることが知られています。本研究では、この相互に確立された活用手法を拡張し、「重みつき組合せ最適化問題」と「多項式行列の問題」の対応に迫ります。特に、組合せ的問題において多項式行列が果たす役割の解明、および多項式行列理論における組合せ最適化手法の活用法の創出を目指します。

大屋 優

デジタル回路設計における耐ハードウェアトロイ設計仕様の研究開発

研究者

大屋 優

研究概要

近年ICの設計・製造コスト削減のため、第三者にICの設計・製造を委託しています。そのため、第三者がハードウェアに悪意のある回路、いわゆるハードウェアトロイを挿入する危険性が問題視され、特に設計工程におけるハードウェアトロイの脅威への対策が強く求められています。そこで本研究提案は、テスト手法のフォーマル検証で検証可能なセキュリティを考慮した設計仕様の研究開発を目指し、ハードウェアトロイを検出します。

梶原 智之

語彙制限に基づくパーソナライズされたテキスト生成

研究者

梶原 智之

研究概要

人と人および人と機械の円滑なコミュニケーションを支援するために、ユーザの読解能力に応じたテキスト平易化やフォーマル／カジュアルといったスタイル制御など、パーソナライズされたテキスト生成を実現する。本研究では、テキスト生成を「入力の持つ意味を所与の語彙に依って実現する」タスクであると考え、自動的に設計する基本語彙および専門語彙によって語彙制御を行い、パーソナライズされたテキストを生成する。

桂井 麻里衣

学術データの自動集約による研究者プロファイリング

研究者

桂井 麻里衣

研究概要

個人や機関の研究評価、学術コミュニティ分析などの「科学の科学」を推進するには、個々の研究者と研究内容を正確に対応付けた学術ビッグデータ分析基盤の確立が急務です。本研究では、国内外の学術データベースに散在する個人の成果情報を自動集約し、あらゆる分野の研究者のプロファイリングを目指します。具体的には、特徴エンジニアリングと情報検索技術の融合により、学術データの種類を問わない著者同定手法を構築します。

佐々木 勇和

大規模グラフのための二部決定図に関する研究

研究者

佐々木 勇和

研究概要

離散構造を効率的に処理することは情報科学にとって重要な技術である。二部決定図は離散構造に関する問題の解を効率的に列挙可能であるが、メモリ使用量が大きく、大規模なグラフを処理することが難しい。本研究は、大規模なグラフに対して近似解の算出が可能な二部決定図とそれに基づいたネットワーク信頼性の近似計算手法を提案する。幅広い応用をもつグラフの列挙問題およびネットワーク信頼性問題の処理の効率化を実現する。

鈴木 雄太

物質の結晶構造を高速に予測するデータ解析技術の開発

研究者

鈴木 雄太

研究概要

現在の材料開発では、計測データの効率的な解析が課題となっています。本研究では、X線回折データから結晶構造を高速かつ高精度に予測するために、材料データベースからのX線回折シミュレーションと機械学習を組み合わせた、人間とAIが協働する新しい方法論を構築します。さらに、構築した機械学習モデルを解析することで、これまで熟練者が暗黙知として用いてきた識別規則を具体的に抽出し、新しい知見の獲得を目指します。

鈴木 遼

動的な3次元物理インターフェイスの開発

研究者

鈴木 遼

研究概要

本研究では、動的に3次元形状を変化させる物理的インターフェイスを提案する。具体的には、瞬時に造形できかつ再造形可能なダイナミック3Dプリンター、ポータブルで薄くフレキシブルな物理形状ディスプレイ、部屋の形が動的に変わるプログラマブル建築を提案する。また、これらのアプリケーションとして、アクセシビリティ、パーソナル・ファブリケーション、VR/ARの触覚提示、および教育における新たな可能性を模索する。

竹内 孝

時空間超解像のための時空間畳み込み技術の研究

研究者

竹内 孝

研究概要

複数の異種低解像度時空間データから高解像度時空間データを推定するための時空間超解像技術を新たに開発する。多くの時空間データは、コストや物理制約のためスパースかつ低解像度となる。本研究では、低解像度データからでも、時空間予測や潜在パターン抽出などの時空間データ分析を実現可能とするための技術開発を実施し、省コスト・省エネルギーなシステムで観測された低解像度時空間データの有効性を高めることを目的とする。

谷本 輝夫

柔軟性と電力効率に優れた次世代専用プロセッサ設計手法の開発

研究者

谷本 輝夫

研究概要

汎用／専用ハイブリッドプロセッサ自動設計手法の確立を目指します。汎用／専用ハイブリッドプロセッサとは、汎用処理回路と専用処理回路を密結合した単一プロセッサであり、柔軟性を持つ回路規模に応じた専用回路実装と細粒度専用処理を両立できます。申請者がこれまで取り組んできた汎用プロセッサにおけるプログラム解析を活かし、プログラム中の専用化有効部分抽出と、優先度評価に基づく自動専用プロセッサ設計を実現します。

包 含

弱い教師データに基づく低分散なリスク推定方法の開発

研究者

包 含

研究概要

近年、統計的データ分類の分野では、教師情報を得る際のコストやプライバシーの問題から、不完全な教師付きデータからデータの分類器を学習する「弱教師付き学習」と呼ばれる枠組みが注目されています。主な手法は分類リスクの不偏推定量の最小化ですが、推定量の分散が大きく学習が不安定なことがあります。本提案では、リスク推定量の性質を明らかにした上で推定手法の改善を行い、実世界への応用の促進を目指しています。

照屋 唯紀

大規模並列計算に適した高速な格子基底簡約アルゴリズムの開発

研究者

照屋 唯紀

研究概要

耐量子計算機暗号および次世代暗号の有力な候補である格子暗号の安全性は、格子問題の困難性に基づく。実用に耐えうる安全な格子暗号を実現するためには、この困難性を正確に評価する必要があり、故に格子問題の高速な解法の追及が求められている。特に、格子基底簡約は、そのための重要な要素技術である。本研究では、大規模並列計算に適した高速な格子基底簡約アルゴリズムを開発する。

中村 優吾

人と環境に自己適応する柔軟性を備えたコンテキスト認識メカニズムの創出

研究者

中村 優吾

研究概要

様々なIoTデバイスを用いて人の行動や環境の状態を把握する既存のコンテキスト認識技術は、想定環境に最適化されている一方、日常生活のように人や環境が時々刻々と変わる状況下では、変化に順応できず認識性能が低下するという問題を抱えています。本研究では、日常生活で生じる未知の変化に対して、これまでに蓄積された知識を活用して自己適応する柔軟性を備えたコンテキスト認識メカニズムを実現し、この問題を解決します。

中山 悠

適応的に再構成する通信ネットワーク

研究者

中山 悠

研究概要

モバイル端末等の送受信する通信トラヒックは爆発的な増大を続けるとともに、その時空間的な変動も顕著になり、従来の通信ネットワークでは設備効率悪化などの課題がありました。この課題に対し本研究提案では、自律的に再構成しトラヒック変動に適応するムービングネットワークの実現に向けた検討を進めるとともに、適応性という概念を追求し、共有経済的な枠組みに基づくネットワーク構成や利用の仕組みを提案します。

名波 拓哉

昆虫の嗅覚神経系を模倣したシリコン神経ネットワーク

研究者

名波 拓哉

研究概要

自然界の生物は、食料の探索、外敵の発見、コミュニケーションなど、様々な用途で匂い情報を活用していますが、そこでは嗅覚神経系による情報処理が重要な役割を果たしています。本研究では、嗅覚神経系を模倣する電子回路システムを構築することで、匂い情報の活用のための基盤システムを創出するとともに、構築による解析の立場から、嗅覚神経系の情報処理を明らかにすることを目指します。

鳴海 紘也

印刷できる生体模倣型ソフトロボットシステムの構築

研究者

鳴海 紘也

研究概要

熱刺激により膨張するエラストマ素材（弾性のあるポリマー）を、3Dプリンタなどのデジタル・ファブリケーション技術によって巧みに配置することで、所望の形状と動作を達成するやわらかい人工筋肉の自動設計手法を実現する。さらに、人工筋肉に使用するエラストマ素材自体の特性を利用することで、神経（センサと電気回路）や血小板（自己修復機能）といった生体模倣的な機能を同時に実現する。

早志 英朗

生体信号の確率的生成モデルと推論ニューラルネット

研究者

早志 英朗

研究概要

本研究の目的は、生体信号の生成過程を記述する確率的生成モデルの構築、および複雑な確率的生成モデルを推論するための確率モデルに基づくニューラルネットワークの提案です。これにより、生体信号を用いた医療やインタフェース応用のための基礎技術を発展させるだけでなく、他分野へも応用可能な確率的生成モデルとニューラルネットワークを統合する枠組みの構築を目指します。

船橋 賢

分布型触覚センサとCNNの多指ハンドでのタスク実現

研究者

船橋 賢

研究概要

ロボットが様々な道具・物体を人間と同様に扱うには、複雑な動きも可能とする柔軟な触覚センサを持つ多指ハンドが必要である。これに対してCNNを用いて物体との接触面の状態を認識し制御を行う。しかし、多指ハンドでは触覚センサが点在し、搭載位置によってサイズが違うため、そのままCNNを使えない。またハンド全面が物体に触れる事から、触覚センサの位置関係を含めた面情報の処理をCNNで行い、タスク達成を目指す。

古川 淳一朗

人の動作技量を再現する外骨格ロボット制御

研究者

古川 淳一朗

研究概要

本研究の目的は、筋電図を含む運動情報からヒトの状態を普遍的に評価できる基準を抽出し利用することで、適応的に外骨格ロボットを制御する方法を明らかにすることです。具体的には、熟練者の持つ”コツ”をデータから表現することで、その”コツ”に基づき運動状態を評価し最適なアシスト方策を提供する外骨格ロボット制御を提案します。この成果は、外骨格ロボットによる新しい運動学習支援システムの実現に繋がると考えます。

松木 萌

行動認識におけるZero-shot学習法の提案

研究者

松木 萌

研究概要

ウェアラブル端末内の加速度などのセンサ情報から人の行動を認識する技術には、過去の正解データセットを必要とする学習法が一般的ですが、全ての行動に対してデータ収集するには多大な手間とコストを要します。そこで、過去に起きていない行動も推定可能にする学習法の提案をします。本手法では、行動に関するテキストデータとセンサデータの紐付けを行い、過去に起きていない行動も推定可能な実用的な手法を目指します。

宮武 勇登

連続型数理モデル構築のための確率的アルゴリズムの整備

研究者

宮武 勇登

研究概要

データに基づいて微分方程式で記述される連続型数理モデルを構築するためには、計算機で扱うために、離散型数理モデルへ近似するプロセスが必須です。しかし、多くの応用では、近似に用いるアルゴリズムの影響はブラックボックス化されています。そこで本研究では、新たに確率的アルゴリズムを開発し、その解析を行うことで、汎用性のある、連続型数理モデルの構築法と信頼性の評価方法をセットで確立することを目的とします。

宮西 大樹

仮想世界のデータを用いたドメイン適応による実世界質問応答の高度化

研究者

宮西 大樹

研究概要

本研究課題では、高精度な実世界質問応答を実現するため、仮想世界のシミュレーションを用いて質問応答の学習データを作成し、この仮想世界のデータで学習したニューラル質問応答モデルを現実世界のデータに適応させる枠組みを確立します。

横田 達也

高階埋め込みテンソルモデリングの研究

研究者

横田 達也

研究概要

本研究提案では、埋め込み理論をn階テンソルへ拡張した高階埋め込みテンソルモデリングの、理論構築、アルゴリズム開発、および信号処理、画像処理への応用研究を行う。具体的には多重線形埋め込み変換の定義と理論解析によって、埋め込み空間に対する理解を深め、それをもとに有効な低ランクモデルおよび多様体モデルの提案を行う。モデルに則した数値最適化アルゴリズムを開発し、様々な実データに対する応用を検討する。