※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

メモリからのデータIOはCPUでの数値計算に比べ非常に低速で、アプリケーションの性能を律速しています。そこで本研究では、データにエラー（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用いこれを解決します。計算中に発生するエラーの位置や計算結果への影響を実行時に推定し、与えられた計算誤差要求の範囲で最大限の高速化を得るためのハードウェア・ソフトウェア機構を研究開発します。

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、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

ACT-Iの研究成果では、ロバスト性を持つための様々な特徴を明らかにした。その特徴の中には（１）ハイレベルなコンセプトを持つ機械学習、（２）FeedbackやDynamic Routingなどを持つニューラルネットワークはロバスト性がより高いと紹介した。加速フェーズには（１）と（２）それぞれの特徴を持つニューラルネットワークを開発する。

大城 泰平

組合せ最適化と線形代数の交点における理論と応用の探求

研究者

大城 泰平

研究概要

組合せ最適化と線形代数は相互に深く関わりあっており、一方の分野で現れる問題の解決法として他方の分野の道具がしばしば用いられます。本研究では、この両分野の交点である「代数的組合せ最適化」のさらなる深化を目指します。特に、多項式行列と組合せ最適化問題の対応の非線形拡張、およびシステム解析手法への組合せ最適化理論の応用に取り組み、理論と応用の両面からの発展を探求します。

鈴木 雄太

材料計測データのモダリティ変換

研究者

鈴木 雄太

研究概要

現在の材料開発では、日々取得される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、計測データから材料特性を推定する操作をデータのモダリティ変換として捉え、機械学習の枠組みに乗せることで、多種多様なデータを高速に解析する手法を提案します。さらに、機械学習による予測と物理モデルを組み合わせることにより、単に高速なだけでなく、物理的な妥当性を担保することを目指します。

中村 優吾

多様なIoTデバイスを用いたコンテキスト認識に基づく次世代ナッジの創出

研究者

中村 優吾

研究概要

人々を強制することなく、望ましい行動に誘導するナッジは、幅広い他分野での応用が期待されている。しかし、既存ナッジ手法は、特定の状況下での静的かつワンパターンな情報提示・介入にとどまっているため、効果が持続しにくいという問題を抱えている。本研究では、生活環境に存在する様々なIoTデバイスを相互に連携・連動させながら、対象者の細かな行動コンテキストを認識し、適切なタイミング・手段で連続的に介入することで、継続的に効果を発揮する次世代ナッジの創出を目指す。

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．

鳴海 紘也

デジタルファブリケーションによる生体模倣インタフェースの構築

研究者

鳴海 紘也

研究概要

本研究では，2D/3D印刷やレーザーカット，その他のデジタルファブリケーション手法を駆使することによって，動く・感じる・情報を伝える・エネルギーを摂取する・傷を直すなどといった生体模倣的な機能を有するインタフェースを実現する．特に，生物に見られるプログラマブルな変態に着目した変形機構を実装し，それを実世界のインタフェースに応用することを目指す．

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機械学習に基づく多指ハンドによるタスク実現

研究者

船橋 賢

研究概要

ロボットが道具・物体を扱うには，指や手の平への接触を含む様々な複雑な操りの達成が求められる．その触覚情報の処理では従来CNNが使われていたが，操り時の指同士の位置関係の複雑さや関節角度の変化による空間的なセンサ配置の変化に上手く適応出来ない．また，様々な物体の柔らかさや重さなどの物体特性を認識し，多指の操りに反映し動きを調整する必要がある．本研究では，これらに適応した多指操りの達成を目的とした．

宮武 勇登

連続型数理モデル構築のための不確実性定量化手法

研究者

宮武 勇登

研究概要

微分方程式のパラメータ推定を行う際，数値解を利用することによる不確実性について考える．ACT-Iの研究では，不確実性を定量化し推定精度を向上させる手法の原型は示したが，加速フェーズではこれをさらに発展させ，手法の妥当性の数学的議論，ベイズ推定などへの展開，推定全体の不確実性定量化への展開，中大規模問題での検証などを行う．

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

本研究では、時系列信号の遅延埋め込みをn階テンソルに拡張した高階層埋め込み変換による新しいテンソル信号処理のアプローチ「高階埋め込みテンソルモデリング」を提案する。また、これを用いてテンソル信号の「局所性」と「相似性」を捉えた再構成、予測、制御などの手法を開発し、音声、画像、動画像、医療画像、リモートセンシング、ロボットなどさまざまな情報処理への応用展開を検討する。