AIP加速課題

　AIP加速課題は、AIPネットワークラボの領域における優れた研究成果をベースに、新たな方向付けをした研究課題を支援し、AIPネットワークラボとしての成果最大化を狙うものです。

2025年度研究開始課題

安全性向上を目指した自動運転向けモデルベース開発基盤構築

グラント番号：JPMJCR25U1

研究代表者

安積卓也	埼玉大学大学院理工学研究科数理電子情報系専攻教授

主たる共同研究者

荒川豊	九州大学大学院システム情報科学研究院教授

研究概要

本研究では、安全性の向上を目指した自動運転向けのモデルベース開発基盤を構築します。モデルベース開発により、複雑な自動運転ソフトウェアの効率的な設計と実装を可能にし、開発期間の短縮・コスト削減を図ります。さらに、安全性を考慮した軌道生成など高度な機能の実現にも取り組みます。国際的な連携を通じて、提案モデルベース開発基盤を普及させ、自動運転技術の発展に貢献します。

非認知特性のスケーラブルな測定と利活用

グラント番号：JPMJCR25U2

研究代表者

岡田謙介	東京大学大学院教育学研究科総合教育科学専攻准教授

主たる共同研究者

分寺杏介	神戸大学大学院経営学研究科准教授

研究概要

本研究では、社会的望ましさバイアスの影響を抑えながら多数の対象者から効果的に非認知特性の測定を行うことができる、比較型測定に基づくテストの社会実装を行います。そのための技術開発と実証研究を進め、企業や教育の現場で実用化のためのケーススタディを行います。非認知特性の信頼性の高い測定を通じて、個人の特性に基づいた最適な人材配置やチーム構築、個別最適な指導を志向し、組織や社会の幸福度向上を目指します。

分子画像のRWDサイエンスで加速する心筋再生医療

グラント番号：JPMJCR25U3

研究代表者

河窪正照	九州大学大学院医学研究院保健学部門助教

主たる共同研究者

長尾充展	東京女子医科大学画像診断学・核医学教室准教授

研究概要

心筋SPECT画像を用いて、1回の検査で心筋の血流と運動を同時に解析できる技術の確立と製品化を目指しています。この技術は、日本で開発が進んでいるiPS細胞由来の心筋細胞移植が実現した将来に、患者さんの心機能の改善度を効率的に評価するために活用されることを見据えています。移植後の心不全の改善度を一度の検査で確認できれば、心筋細胞移植の実施がより容易になり、心筋再生医療の普及が加速する期待があります。

バーチャルセンシング基盤『Vsens』の確立と整形疾患推定・回復支援システムの創出

グラント番号：JPMJCR25U4

研究代表者

杉浦裕太	慶應義塾大学理工学部情報工学科准教授

主たる共同研究者

内山彰	大阪大学大学院情報科学研究科情報ネットワーク学専攻准教授
藤田浩二	東京科学大学医療イノベーション機構教授
若土弘樹	名古屋工業大学大学院工学研究科工学専攻准教授

研究概要

実世界センシングを伴うIoTの開発を支援するバーチャルセンシングプラットフォーム「Vsens」の確立を目指します。実世界センシングにおいては、学習データの準備と、センサ配置の試行錯誤の負荷が課題となっており、Vsensはこの課題にアプローチをするものです。
Vsensでは、実世界に存在する多様なセンサが再構成されており、バーチャルデータを取得できるようになっています。バーチャル空間では、人間の異なる身体形状や動作、環境も再現され、実世界センシングに利用可能な推定モデルの出力をします。本提案の期間では、Vsensのシステムの統合や、オープンソースコミュニティへの発展、さらにヘルスケアシステムの創出を目指します。

国際チャレンジ活動を通した発声技能拡張基盤の構築

グラント番号：JPMJCR25U5

研究代表者

戸田智基	名古屋大学情報基盤センター教育情報メディア研究部門教授

主たる共同研究者

安田裕介	情報・システム研究機構国立情報学研究所コンテンツ科学研究系特任研究員

研究概要

人工知能技術に基づく音声変換処理を発展させることで、自身の発声器官の特徴（声質など）を保持したまま、発声器官動作の特徴（発声・歌唱表現など）を変換する発声技能拡張基盤の構築に取り組みます。歌唱表現に着目した歌声変換に関する国際チャレンジを開催することで、発声技能拡張に関する研究分野を開拓し、研究を活性化させることで、国際的に本研究分野を主導する立場を確立するとともに、基盤技術の発展を促進します。

データ駆動科学に警鐘を鳴らす補助入力信号の研究

グラント番号：JPMJCR25U6

研究代表者

森田尭	中部大学創発学術院特任講師

主たる共同研究者

渡邉天鵬	中部大学創発学術院特任助教

研究概要

研究代表者は、課題とは無関係の正弦波入力によってリカレントニューラルネットワーク(RNN)の性能が向上することを発見しました。無関係の入力信号によってAIが性能改善するという事実は、データの重要成分をAIで自動抽出する研究手法の根幹を揺るがします。本研究はこの発見を掘り下げ、データに添えて入力する補助的信号がAIに与える影響を解明し、データ駆動科学の信頼性・危険性を検証します。

ソフトウェア解析技術に基づく説明可能自動バグ修正

グラント番号：JPMJCR25U7

研究代表者

吉田則裕	立命館大学情報理工学部教授

主たる共同研究者

柏祐太郎	奈良先端科学技術大学院大学先端科学技術研究科先端科学技術専攻准教授

研究概要

LLMを用いた自動バグ修正等、AIを用いてソフトウェア開発タスクの自動化を目指す研究が盛んに行われている。しかし、ソフトウェア開発者はステークホルダに対して、AIが行ったタスクの説明責任を負うことになる。そこで本研究では、説明可能な自動バグ修正技術を実現する。具体的には、修正の必要性や正確性の根拠となる情報を出力できる自動バグ修正手法を実現する。