学術的背景 機械学習とニューラルネットワークの分野において、継続学習（Continual Learning）は重要な研究テーマです。継続学習の目標は、モデルが一連のタスクにおいて新たな知識を継続的に学習しつつ、既に学習した古い知識を忘れないようにすることです。しかし、既存の継続学習手法は主にカタストロフィックフォゲッティング（Catastrophic Forgetting）という課題に直面しています。カタストロフィックフォゲッティングとは、モデルが新しいタスクを学習する際に、以前に学習した知識を急速に忘れてしまい、古いタスクの性能が大幅に低下する現象です。この問題は現実のアプリケーションにおいて特に深刻で、多くのタスクが変化する環境下で継続的に学習し適応する必要があるためです。 この問題を解...

視覚皮質の発達における信頼性のある表現の形成 学術的背景 視覚皮質の発達は神経科学における重要な研究分野です。発達の初期段階では、視覚皮質のネットワーク構造はすでに形成されていますが、これらのネットワークがどのように視覚経験の開始に応答し、最終的に成熟した視覚表現を形成するかは、未解決の謎のままです。これまでの研究では、視覚皮質の初期ネットワーク構造は内因性メカニズム（endogenous mechanisms）によって駆動される、つまり外界の視覚刺激なしに形成されることが示されています。しかし、視覚経験の導入がこれらのネットワークにどのように影響し、信頼性のある視覚表現を発展させるかは、依然として不明です。本研究では、単一試行レベルでの慢性生体カルシウムイメージング技術を用いてこの問題を探...

解剖病理学における組織分析の自動化戦略：基準マーカーの統合と多表面組織比較 背景 解剖病理学ラボでは、多くのプロセスがまだ手動で行われています。特にパラフィン包埋組織ブロック（Paraffin-Embedded Tissue Blocks, PETBs）の作成と処理において、手動操作は作業のばらつきやサンプルの誤識別、紛失のリスクを引き起こし、診断の精度と効率に影響を与える可能性があります。この問題に対処するため、自動化技術が導入され、ラボの効率向上、人的エラーの削減、サンプル処理の一貫性が求められています。 しかし、既存の自動化ソリューションは、組織サンプルの追跡や特定領域の識別において多くの課題に直面しています。例えば、処理中にパラフィン包埋組織ブロック内の特定領域をさらに研究する必要が...

非線形固定時間強化学習最適化制御によるインテリジェント船舶自動操舵システムの研究 近年、インテリジェント自動操舵技術は自動化制御分野における研究の焦点の一つとなっています。複雑な非線形システムにおいて、特に固定時間内でシステムの安定性と性能最適化を実現するための最適化制御戦略の設計は、制御エンジニアと研究者にとって重要な課題となっています。しかし、既存の固定時間制御理論は、システム状態の収束を実現する際にリソース利用効率とのバランスを考慮していない場合が多く、このため過剰補償または補償不足の現象を引き起こし、システムの定常状態誤差を増加させる可能性があります。さらに、時間制限内での非線形不確実性の推定誤差最小化については、関連研究は依然として少ないのが現状です。したがって、本研究では、この重...

SHAPに基づく電力価格予測モデルの改良とその説明可能性の分析 背景と研究動機 電力市場における価格予測モデルは近年注目を集めており、市場の価格変動が関係者の財務に与える影響を考える上で重要です。特に、ヨーロッパのエネルギー市場では、エネルギー危機や地政学的要因の影響で、ここ数年燃料価格が急騰し、それに伴い電力市場の価格変動性が著しく増加しています。予測誤差がわずか1%でも、発電会社や需要応答事業者、取引会社などに大きな財務的影響を与える可能性があります。例えば、使用電力量が1GWに達する企業において、予測誤差が1%減少するだけでも、年間約1,200万ドルのコスト削減が可能となります。そのため、市場参加者にとって電力価格予測（Electricity Price Forecasting, EP...

ラベル分布学習が分類においてより良い一般化性能を持つ理由を理解する 背景紹介 人工知能と機械学習の分野では、分類問題は研究者たちの主要なテーマの一つであり、多ラベル学習（Multi-label Learning, MLL）や単一ラベル学習（Single-label Learning, SLL）の進展に伴い、ラベル間の複雑な関係を効果的に処理することが重要な課題となっています。しかし、従来の単一ラベル学習モデルは最も関連するラベルのみに注目し、ラベル間の曖昧性や相関情報を無視する傾向があります。このような制約により、現実世界の多くの複雑な課題を解析し解決する際に障害が生じています。 この問題を解決するためにラベル分布学習（Label Distribution Learning, LDL）が提案...

単片集積型3次元IGZO-RRAM-SRAMコンピューティングストレージ新アーキテクチャ研究：ニューラルネットワーク計算効率向上のブレークスルー 背景と研究の動機 ニューラルネットワーク（Neural Network, NN）が人工知能分野で広く応用されるにつれ、従来の計算アーキテクチャでは、エネルギー消費、速度、密度に関する要求を満たすのが困難です。この問題を解決するため、研究者はコンピューティングストレージ（Compute-In-Memory, CIM）チップ技術に注目しています。CIMは、計算ユニットとストレージユニットを1つのアーキテクチャに統合することで、大量のデータ転送による「メモリボトルネック」効果を回避し、システム効率を大幅に向上させるものです。これまでのCIMアーキテクチャ...

深層神経ネットワークを基盤とした微細ナビゲーション顕微手術システム——白内障手術の精度向上への新たな一歩 学術的背景と研究課題 白内障は、世界的に失明の主要原因の一つとされています。現在、超音波乳化術（phacoemulsification）と人工水晶体（IOL）の移植を組み合わせた手術方法が白内障治療の主流となっています。この方法は、患者の視覚品質の向上だけでなく、手術合併症の発生率を効果的に低減することが可能です。しかし、手術の結果は、その精密な操作および眼球の空間的な位置決めと方向性に大きく依存します。手術中において、例えば角膜切開部の位置、嚢膜切開（capsulorhexis）のサイズと位置、さらには人工水晶体の角度が術後の視覚回復に極めて重要な役割を果たします。 現在の眼科手術用顕...

境界回帰と構造再パラメータ化に基づく核インスタンスセグメンテーションモデルRepsNet 学術的背景 病理診断は腫瘍診断のゴールドスタンダードであり、核インスタンスセグメンテーションはデジタル病理分析と病理診断における重要なステップです。しかし、モデルの計算効率と重複ターゲットの処理は、現在の研究における主要な課題です。これらの問題を解決するために、本論文では、核境界回帰と構造再パラメータ化に基づくニューラルネットワークモデルRepsNetを提案し、H&E染色された組織病理学画像における核のセグメンテーションと分類を行います。 核の分布と形態的特徴（密度、核質比、平均サイズ、多形性など）は、がんのグレード評価だけでなく、治療効果の予測にも有用です。しかし、病理画像は通常、核の広範な接着、多様...

ディープラーニングモデルが意味飽和メカニズムを解明 意味飽和（semantic satiation）は、ある単語やフレーズが何度も繰り返されることでその意味が失われる現象であり、よく知られた心理学的現象です。しかし、このメカニズムを引き起こす微視的な神経計算の原理は依然として未知です。本稿では、連続結合ニューラルネットワーク（continuous coupled neural network, CCNN）を使用してディープラーニングモデルを構築し、意味飽和のメカニズムを研究し、ニューロンの成分でこのプロセスを正確に記述します。研究結果は、中観的な視点から見ると、意味飽和は自下から上へのプロセスである可能性があり、既存のマクロな心理学研究が意味飽和を自上から下へのプロセスと見なしているのとは異...