川村 一志

AIを活用したユーザ主体の組合せ最適化システム

研究者

川村 一志

研究概要

本研究では、組合せ最適化ソルバとしてのイジングマシンの利活用推進に向け、ボルツマンマシンと強化学習を活用したイジングモデルの自動設計に挑戦します。イジングマシンとボルツマンマシンを融合した双方向最適化ソルバを設計し、それを核に持つ強化学習基盤を構築します。これにより、解の生成と評価、イジングモデルの修正を繰り返し実行する中で次第にイジングモデルが最適化されていく構造を作り出します。

小林 洋

人の組織を利用した情報処理とウェアラブルシステムへの応用

研究者

小林 洋

研究概要

Society 5.0においては、ウェアラブルシステムを用いた、リアルタイムな人の支援は重要なターゲットです。これらを実現するためには、AIを活用する生体情報の高度なリアルタイムな情報処理に対応できる、小型でエッジな計算機が必要です。本研究では、物理リザバコンピューティングの中間層として人の組織を利用した情報処理に関する研究を実施し、ハードウェアレスでセキュアな計算機を実現します。

佐藤 光哉

位置情報に頼らない時空間データ解析基盤の創出

研究者

佐藤 光哉

研究概要

時空間ビッグデータ解析における大前提である、観測端末の位置情報の取得が不要なデータ解析手法の設計に取り組みます。端末間の関係性を暗に表現する特徴を手がかりとした相対座標推定に基づく事象の時空間特性予測により、位置情報の必要性から生じるIoTセンサ端末配置時の整備コストやプライバシへの懸念といった諸問題を抜本的に解決し、あらゆるデータを滞りなく収集・活用可能な世界の実現を目指します。

佐藤 丈博

変動にロバストな高信頼エッジ－クラウド連携ネットワーク

研究者

佐藤 丈博

研究概要

本研究では、Society 5.0におけるサービスを高信頼に提供するための、エッジ－クラウド連携ネットワークの実現を目的とします。トラヒック変動等の恒常的に発生する事象と、攻撃や故障等の突発的に発生する事象を包括的に考慮し、高い可用性を達成する資源割り当ておよび更新スケジュール決定の数理モデルを構築します。それを元にした制御手法の開発や実装実験を行い、レジリエントなICT基盤の実現に貢献します。

曹 洋

大規模言語モデルのための新しい信頼性向上技術

研究者

曹 洋

研究概要

大規模言語モデル（LLMs）は私たちの社会を変革していますが、プライバシーや堅牢性、悪用のリスクももたらしています。本研究は、大規模言語モデルの信頼性を向上させる新しい技術を開発することを目指しており、敵対的な環境での大規模言語モデルの堅牢性を向上させ、大規模言語モデルによって生成されたコンテンツの誤用を防ぐことを目的としています。

矢内 直人

スマートコントラクトを用いた攻撃とその対策の検討

研究者

矢内 直人

研究概要

本研究では攻撃者がスマートコントラクトを利用した際にどのような攻撃が可能となるか、攻撃者の観点による研究を通じて明らかにします。特に攻撃用スマートコントラクトと呼ばれる、攻撃者が意図した不正処理を実装しているスマートコントラクトの検討を通じて、スマートコントラクトがサイバー攻撃に利用された際の影響を示すとともに、その対策技術についてもスマートコントラクトのコードおよび利用履歴の観点から検討します。

ラシド イサム

Interactive medical image diagnosis with chatbot assistance

研究者

ラシド イサム

研究概要

本研究では、チャットボットによる支援を可能にした深層学習モデルを用いた医用画像診断のための対話型フレームワークの開発を目的としています。マルチタスク画像診断モデルは拡張された画像知識の抽出を可能にし、生成AIテクノロジーは専門家のような医療診断レポートの生成をトリガーします。深層学習とLLMの組み合わせは、人材不足が予想される医療サービス環境を改善する可能性があります。

李 鵬

環境適応型エッジAIによる巨大モデル利活用基盤

研究者

李 鵬

研究概要

研究目的を達成するために、AIモデルの設計、エッジ・クラウドを連携する基盤ソフトウェア、プライバシ強化メカニズムを含むシステム全体を「by-Design」の観点から再構築することが必要です。具代的には、(a)巨大AIモデルを複数のエキスパートに分割して再構築する技術の確立、(b)環境感知による動的エキスパートの管理、(c)連合学習を導入した個性化エキスパートの構築、の三つの項目に取り組みます。

Wang Xin

プライバシー保護と偽音声検出を統合する音声データ処理基盤

研究者

Wang Xin

研究概要

インフォデミックの時代において、AIが生成した偽音声の検出や声紋などの個人情報の保護ができる音声データ処理基盤は不可欠です。一方で、既存の偽音声検出と声紋の保護に関する匿名化技術は独立して設計されているため、共同最適化ができず、検出と保護の水準も理論的に示せません。本研究は、偽音声検出と音声匿名化を尤度比に基づいた深層学習の枠組みで統合し、検出と匿名化モデルの最適化基準を理論的な改善を行います。