背景紹介 二次元材料（2D materials）は、その独特な物理化学的特性により、ナノエレクトロニクスやオプトエレクトロニクスなどの分野で大きな応用可能性を示しています。しかし、これらの材料のナノスケールでの構造的擾乱（structural perturbations）は、その性能に重要な影響を及ぼします。従来のラマン分光法（Raman spectroscopy）などの手法は、材料の構造情報を提供できますが、その空間分解能は通常、回折限界に制限されており、ナノスケールでの構造変化を正確に検出するのは困難です。この問題を解決するため、研究者たちは、機械学習（machine learning, ML）と分光技術を組み合わせることで、空間分解能を向上させ、ナノスケールの構造的擾乱を明らかにするこ...

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...

グリオーマ予後の透明性機械学習と説明可能なAIを用いた洞察の応用 学術的背景 本研究は、患者が特定のタイプの脳腫瘍であるグリオーマに罹患しているかどうかを検出するために、複数の機械学習および深層学習法を使用し、説明可能な人工知能（XAI, Explainable Artificial Intelligence）技術を組み合わせた信頼できる技術を開発することに取り組んでいます。グリオーマ（glioma）はグリア細胞に由来する中枢神経系のがんの一種で、成長が速く健康な脳組織に侵襲する特性を持ちます。一般的な治療方法には手術、放射線療法、化学療法などがあります。患者のデータ、例えば医療記録や遺伝情報を統合することで、機械学習アルゴリズムが個々の患者に対する様々な医療介入の反応を予測できます。 論文...